Rivaroxaban与Enoxaparin在剖腹术后DVT预防中的疗效比较
该数据集来自clinicaltrials.gov,主题为比较Rivaroxaban与Enoxaparin在剖腹术后深静脉血栓(DVT)预防中的疗效与安全性

基本信息
资源简介
Rivaroxaban与Enoxaparin在剖腹术后DVT预防中的疗效比较
该数据集来自clinicaltrials.gov,主题为比较Rivaroxaban与Enoxaparin在剖腹术后深静脉血栓(DVT)预防中的疗效与安全性。覆盖急诊探查性剖腹术成人患者,关注术后静脉血栓栓塞(VTE,含DVT与肺栓塞PE)这一可预防的致病与致死原因。数据涉及每日一次口服Rivaroxaban 10 mg与每日一次皮下注射Enoxaparin 40 mg的随机对照试验设计,可用于术后抗凝预防策略的疗效与安全性分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:深静脉血栓,剖腹术患者。术后静脉血栓栓塞(VTE)包括深静脉血栓(DVT)和肺栓塞(PE),是手术后致病和致死的一个主要且可预防的原因。接受急诊探查性剖腹术的患者由于手术时间长、全身性炎症和制动而处于特别高的风险。虽然低分子量肝素(LMWH),如enoxaparin,是当前预防的标准,但直接口服抗凝药如rivaroxaban在给药便利性、依从性和患者舒适度方面具有潜在优势。这项随机对照试验旨在比较每日一次口服rivaroxaban(10 mg)与每日一次皮下注射enoxaparin(40 mg)在预防接受急诊探查性剖腹术的成人患者术后DVT方面的疗效和安全性。
【主题与分类】
主题标签:Deep Venous Thromboses、Laparotomy Patients。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/NCT07243080
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/NCT07243080
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:深静脉血栓形成,剖腹手术患者。术后静脉血栓栓塞症(VTE),包括深静脉血栓形成(DVT)和肺栓塞(PE),是手术后发病和死亡的一个主要且可预防的原因。接受紧急探查性剖腹手术的患者由于手术时间长、全身炎症和制动,风险尤其高。虽然低分子量肝素(LMWH),如依诺肝素,是目前预防的标准,但直接口服抗凝药如利伐沙班在给药便利性、依从性和患者舒适度方面提供了潜在优势。这项随机对照试验旨在比较每日一次口服利伐沙班(10毫克)与每日一次皮下注射依诺肝素(40毫克)在预防拉合尔梅奥医院接受紧急探查性剖腹手术的成年患者术后DVT方面的疗效和安全性。符合条件的患者为年龄在18-80岁之间,因创伤性或非创伤性指征接受紧急剖腹手术,并预计术后制动超过24小时的成年人。
既往患有深静脉血栓、病态肥胖(BMI ≥40)、存在活动性出血风险、接受机械通气、心肌梗死、脑血管意外或当前正在接受抗凝治疗的患者被排除在外。参与者采用计算机生成的序列进行随机分组,并实施分配隐藏。术后除标准围手术期护理和机械预防外,给予利伐沙班或依诺肝素7天。主要结局是术后第5天和第10天经双功能彩色多普勒超声确诊的深静脉血栓发生率。任何不可压缩或显示不清的静脉段均计为深静脉血栓阳性。同时记录Wells评分以进行风险分层。次要结局包括出血并发症、住院时间、下床活动时间以及两种方案的成本比较。安全性评估侧重于具有临床意义的出血事件及其他不良反
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。




