感染性心内膜炎患者贫血研究
该数据集来自 clinicaltrials.gov,主题为感染性心内膜炎患者的贫血。源站描述指出贫血是心脏疾病和感染性疾病的不良预后标志物,在细菌性心内膜炎患者中患病率为55-80%

基本信息
资源简介
感染性心内膜炎患者贫血研究
该数据集来自 clinicaltrials.gov,主题为感染性心内膜炎患者的贫血。源站描述指出贫血是心脏疾病和感染性疾病的不良预后标志物,在细菌性心内膜炎患者中患病率为55-80%。基于POET I试验的子研究初步数据显示,血红蛋白<6.2mmol/L的非手术治疗患者6个月内死亡风险增加5倍、3年后增加2倍。ANIE研究为前瞻性研究,旨在进一步深入表征感染性心内膜炎患者的贫血及其关联。数据可用于贫血与感染性心内膜炎预后关系的研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:贫血、心内膜炎、细菌性。贫血是心脏疾病和感染性疾病中的不良预后标志物。在细菌性心内膜炎(IE)患者中,贫血的患病率为55-80%。在我们POET I试验(一项纳入400例IE患者的随机对照试验,2019年发表于NEJM)的一项子研究中,初步数据显示,与无贫血或轻度贫血的患者相比,血红蛋白<6.2mmol/L的非手术治疗患者6个月内死亡风险增加5倍,3年后死亡风险增加2倍。通过例如静脉铁输注联合红细胞刺激剂或针对炎症性贫血的新疗法(如IL-6抑制剂)来强化贫血治疗,可能改善IE患者的结局。本研究——ANIE——是一项前瞻性研究,旨在进一步深入表征IE患者的贫血及其关联
【主题与分类】
主题标签:Anemia、Endocarditis, Bacterial。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04840225
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/NCT04840225
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:贫血、心内膜炎、细菌性。贫血是心脏病和感染性疾病的不良预后标志物。在细菌性心内膜炎(IE)患者中,贫血的患病率为55-80%。在我们POET I试验(一项纳入400例IE患者的随机对照试验,发表于2019年《新英格兰医学杂志》)的一项子研究中,初步数据显示,与无贫血或轻度贫血的患者相比,血红蛋白<6.2mmol/L且未接受手术治疗的患者在6个月内死亡风险增加5倍,3年后死亡风险增加2倍。通过例如静脉铁剂输注,联合红细胞刺激剂或针对炎症性贫血的新型治疗(如IL-6抑制剂)来强化贫血治疗,可能改善IE患者的预后。本研究——ANIE——是一项前瞻性研究,旨在进一步深入刻画IE患者的贫血特征及相关结局。将评估住院期间炎症性贫血(AI)和缺铁性贫血的程度以及恢复时间。将在住院期间和出院后3个月(即预期恢复期)采集100例IE患者的血液样本。
将分析样本中的贫血和炎症标准标志物,以及AI的新型生物标志物,如IL-6、可溶性转铁蛋白受体、红铁酮和铁调素。样本量计算基于AI患病率为50%的假设,置信区间为95%,误差范围<10%。将与其他感染患者、纯炎症患者(TAVI和TEVAR患者)以及健康献血者进行比较。ANIE有望为我们提供对IE患者贫血的疾病过程、分期和可能的治疗靶点的前所未有的洞察。结果将用于设计治疗IE患者贫血的新型干预措施的临床试验,作为改善预后和降低这些患者高死亡率的新手段。贫血是一种不良
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。




