ACT-GLOBAL 卒中适应性平台试验

数据集获取

源站：https://clinicaltrials.gov/study/NCT06352632

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 部分平台提供 SDK，例如：
   • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
   • ModelScope: pip install modelscope 后 modelscope download
   • 天池: 登录后页面提供直链下载
     以源站「数据下载/使用文档」页面为准。

数据说明

疾病背景：卒中。卒中在全球范围内是第二大死亡原因。在发展中国家，它也是仅次于缺血性心脏病的第二大伤残调整生命年（DALYs）损失原因，而在发达国家则是第三大DALYs贡献因素（仅次于缺血性心脏病和下背痛及颈痛）。2019年，全球新发卒中（1220万例）、卒中相关死亡（660万例）以及卒中存活者（1.015亿例）的绝对数量较1990年均有所增加（分别增长70%、43%和85%）。在为卒中患者或高风险人群制定具体管理策略方面已取得稳步进展。遗憾的是，仅有少数急性期治疗被证实有益：溶栓、血管内取栓、去骨瓣减压术、卒中单元护理以及阿司匹林。仍然持续需要能够改善预后且具有广泛适用性的卒中干预措施。

ACT-GLOBAL是一项由研究者发起的、多因素、多臂、多阶段、随机、全球适应性平台试验，针对卒中，旨在寻找与卒中后改善结局机会最高相关的治疗。在ACT-GLOBAL中，将随着数据积累同时并序贯评估多个问题，并可评估不同治疗选项之间的交互作用。进行频繁的适应性分析，以评估某一给定干预在某一领域内或该领域内特定人群中是否优效、劣效或等效。在预计不同领域干预之间可能存在交互作用时，统计模型将允许评估此类交互作用。某一领域内每个干预将在前瞻性定义且互斥的参与者分层（亚组）内进行评估，同时来自一个分层的信息可（通过“借用”）用于该干预效果的分析

数据加载示例（图像类）

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。