新生儿危重先天性心脏病产前产后一体化治疗模式
该数据集来自 clinicaltrials.gov,围绕新生儿危重先天性心脏病(CCHD)的产前产后一体化治疗模式展开,属于双向队列研究

基本信息
资源简介
新生儿危重先天性心脏病产前产后一体化治疗模式
该数据集来自 clinicaltrials.gov,围绕新生儿危重先天性心脏病(CCHD)的产前产后一体化治疗模式展开,属于双向队列研究。覆盖病种包括先天性心脏病、主动脉缩窄、主动脉瓣狭窄、肺动脉闭锁、肺动脉狭窄、大动脉转位、动脉干、单心室等。研究旨在探索该模式能否避免术前并发症、创造理想手术时机,从而降低术后院内死亡率并改善手术预后;同时针对合并右心系统病变的新生儿,进一步考察早期心脏手术是否可能获得心肌再生时间窗并改善心肌重塑(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:先天性心脏病、主动脉缩窄、主动脉瓣狭窄、肺动脉闭锁、肺动脉狭窄、大动脉转位、动脉干、单心室。本双向队列研究的目的是探讨针对危重先天性心脏病(CCHD)新生儿的产前产后一体化治疗模式,与传统的照护模式相比,是否能够有效避免术前并发症、创造理想的手术时机,从而降低术后院内死亡率并改善手术预后。此外,对于合并右心系统病变的CCHD新生儿,研究者旨在进一步探究产后早期心脏手术是否具有获得心肌再生时间窗并由此改善心肌重塑的潜在优势。本研究的目的
【主题与分类】
主题标签:Congenital Heart Disease、Coarctation of Aorta、Aortic Stenosis、Pulmonary Atresia、Pulmonary Stenosis、Transposition of the Great Arteries、Truncus Arteriosus、Single Ventricle、Tetralogy of Fallot (TOF)、Interrupted Aortic Arch。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06768008
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/NCT06768008
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:先天性心脏病、主动脉缩窄、主动脉瓣狭窄、肺动脉闭锁、肺动脉狭窄、大动脉转位、动脉干、单心室。这项双向队列研究的目的是探讨,对于危重先天性心脏病(CCHD)新生儿,采用产前产后一体化治疗模式是否比传统治疗模式更有效地避免术前并发症,创造理想的手术时机,从而降低术后住院死亡率,并改善手术预后。此外,对于伴有右心系统相关的CCHD新生儿,研究人员旨在进一步探究产后早期心脏手术是否具有获得心肌再生时间窗口并因此改善心肌重塑的潜在优势。本研究旨在提高危重先天性心脏病的诊断和治疗能力,并推动产前产后一体化治疗模式的临床应用。
这将最终提高心血管疾病患者的医疗服务质量,并为探索适合中国国情的心血管疾病治疗指南奠定基础。该项目将由北京安贞医院、首都儿科研究所和解放军307医院共同实施。自2022年1月1日起,这些医院将持续收集危重先天性心脏病(CCHD)新生儿的住院病例。产前产后一体化模式定义为:在胎儿期(22-26周)明确诊断CCHD,在我院产科记录宫内转运,随后经多学科会诊后启动产时或产后手术计划,并在出生后第一小时转运至儿科心脏中心,根据患者状况接受产后即刻手术或择期手术。对于符合急诊手术指征的新生儿,出生后立即进行手术。对于非急诊手术的新生儿
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。




