出院时提醒医生考虑处方 Rivaroxaban 以降低静脉血栓栓塞
该数据集来自 clinicaltrials.gov,属于循环系统疾病/其他分类,主题为静脉血栓栓塞性疾病、肺栓塞与血栓形成、深静脉血栓及住院相关状态

基本信息
资源简介
出院时提醒医生考虑处方 Rivaroxaban 以降低静脉血栓栓塞
该数据集来自 clinicaltrials.gov,属于循环系统疾病/其他分类,主题为静脉血栓栓塞性疾病、肺栓塞与血栓形成、深静脉血栓及住院相关状态。研究为前瞻性、整群随机、II 型混合阶梯楔形实施/效果研究,比较出院内科患者在无提醒的基线期与向出院医生发送提醒的干预期之间,延长疗程血栓预防(EDT)的 Rivaroxaban 处方率。目标 1 评估提醒在符合条件住院内科患者中的实施情况,主要结局为 EDT(Rivaroxaban 10 mg 每日一次,共 30 天)处方率的比较。数据可用于研究出院决策支持与血栓预防处方行为(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:静脉血栓栓塞性疾病、肺栓塞与血栓形成、深静脉血栓、住院状态。这项前瞻性、整群随机、II 型混合阶梯楔形实施/效果研究的目标是比较出院内科患者在基线期(无提醒指导 EDT 决策)与干预期(向出院临床医生发送提醒)之间延长疗程血栓预防(EDT)的 Rivaroxaban 处方率。分组序贯医院将以阶梯楔形方式随机引入干预。目标 1 是评估向照护符合条件住院内科患者的出院临床医生发送提醒的实施情况。目标 1 的主要结局是 EDT(Rivaroxaban 10 mg 每日一次,共 30 天)处方率的比较,在
【主题与分类】
主题标签:Venous Thromboembolic Disease、Pulmonary Embolism and Thrombosis、Deep Vein Thrombosis、Hospitalism。本站分类:循环系统疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06232551
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站:https://clinicaltrials.gov/study/NCT06232551
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 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。
- OpenDataLab:
数据说明
条件:静脉血栓栓塞性疾病、肺栓塞与血栓形成、深静脉血栓形成、住院状态。这项前瞻性、整群、随机、II型混合阶梯楔形实施/效果研究的目标是比较在出院内科患者中,于基线期(无警示信息指导决策)与干预期(向出院临床医生发送警示信息)延长疗程血栓预防(EDT)的利伐沙班处方率。分组序贯医院将以阶梯楔形方式随机引入干预。目标1是评估向负责符合条件住院内科患者的出院临床医生发送警示信息的实施情况。目标1的主要结局是比较符合条件患者在基线期与干预期EDT处方率(利伐沙班10 mg每日一次,共30天)。目标1的次要结局将捕捉与警示信息的交互作用。目标2是评估警示信息对重要患者临床结局的影响。
目标2的主要疗效结局是90天静脉血栓栓塞、非出血性卒中、心肌梗死和死亡的复合终点。目标2的主要安全性结局是30天重大出血。目标2的次要结局将是净临床获益,定义为基线阶段与干预阶段相比,所有高危患者以及警报导致处方EDT的所有患者的主要结局+主要安全性结局。其他次要结局将报告不同组别中主要疗效和安全性结局的组成部分。
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。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




