高、极高和极高危心血管风险高胆固醇血症(含家族性高胆固醇血症)患者治疗模式观察性研究
该数据集来自 clinicaltrials.gov,对应 TRAP-HC 研究,为多中心、前瞻性、纵向观察性研究,纳入高、极高或极高危心血管风险的成人高胆固醇血症患者,包括家族性高胆固醇血症(FH)

基本信息
资源简介
高、极高和极高危心血管风险高胆固醇血症(含家族性高胆固醇血症)患者治疗模式观察性研究
该数据集来自 clinicaltrials.gov,对应 TRAP-HC 研究,为多中心、前瞻性、纵向观察性研究,纳入高、极高或极高危心血管风险的成人高胆固醇血症患者,包括家族性高胆固醇血症(FH)。研究旨在评估真实世界治疗模式,生成血脂控制与降脂治疗(LLT)优化的真实世界证据,以改进高危人群的心血管风险降低策略。数据可用于分析 LDL-C 达标情况、降脂治疗模式及心血管风险相关结局,属于循环系统疾病领域(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:高胆固醇血症、家族性高胆固醇血症、CVD 风险。TRAP-HC 是一项多中心、前瞻性、纵向观察性研究,旨在评估成人高胆固醇血症患者(包括家族性高胆固醇血症(FH))的真实世界治疗模式,这些患者处于高、极高或极高心血管风险。该研究旨在生成关于血脂控制和降脂治疗(LLT)优化的真实世界证据,以改进高危人群的心血管风险降低策略。心血管疾病仍然是全球死亡的主要原因,而低密度脂蛋白胆固醇(LDL-C)升高是动脉粥样硬化性心血管疾病(ASCVD)的主要因果决定因素。当前欧洲指南建议 LDL-C 水平降低 ≥50%,并在高危患者中达到严格的 LDL-C 目标。
【主题与分类】
主题标签:Hypercholesterolaemia、Familial Hypercholesterolaemia、CVD Risk。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07606118
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/NCT07606118
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
疾病:高胆固醇血症、家族性高胆固醇血症、心血管疾病风险。TRAP-HC是一项多中心、前瞻性、纵向观察性研究,旨在评估患有高胆固醇血症(包括家族性高胆固醇血症(FH))且处于高、极高或极高心血管风险的成年患者的真实世界治疗模式。该研究旨在生成关于血脂控制和优化降脂治疗(LLTs)的真实世界证据,以改善高风险人群的心血管风险降低策略。心血管疾病仍然是全球死亡的主要原因,而低密度脂蛋白胆固醇(LDL-C)升高是动脉粥样硬化性心血管疾病(ASCVD)的主要因果决定因素。当前欧洲指南建议高、极高和极高心血管风险患者的LDL-C水平降低≥50%,并达到严格的LDL-C目标值。然而,真实世界证据表明,尽管有有效的降脂治疗可用,仍有相当比例的患者未能达到推荐的治疗目标。
欧洲观察性研究显示,约80%的高危和极高危患者未达到LDL-C目标,而临床实践中仍广泛使用单药治疗。这些发现凸显了改进治疗策略和优化常规护理中血脂管理的必要性。本研究的主要目的是评估12个月随访期内降脂治疗策略的演变,特别关注针对LDL-C水平所实施的治疗调整、达到推荐LDL-C目标的患者比例,以及与成功达标相关的因素,包括基线胆固醇水平、治疗类型、人口学特征、合并症和遗传易感性。该研究还将评估患者对处方治疗的依从性,包括治疗持续性、处方续配模式以及t
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。




