Budiodarone治疗非永久性心房颤动的剂量递增安全性、耐受性和有效性研究
本数据集来自clinicaltrials.gov,收录一项关于Budiodarone治疗非永久性心房颤动(AF)的剂量递增研究,旨在评估其安全性、耐受性和有效性

基本信息
资源简介
Budiodarone治疗非永久性心房颤动的剂量递增安全性、耐受性和有效性研究
本数据集来自clinicaltrials.gov,收录一项关于Budiodarone治疗非永久性心房颤动(AF)的剂量递增研究,旨在评估其安全性、耐受性和有效性。研究覆盖三类阵发性或持续性AF人群:植入心脏植入式电子设备(CIED)且有阵发性AF病史者、接受首次或第二次择期电复律的持续性AF患者,以及无起搏器或植入式循环记录仪但频繁发作AF且CHA2DS2-VASc评分达标的阵发性AF患者。AF监测通过预植入的CIED进行。数据可用于AF治疗安全性、耐受性及疗效相关分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:心房颤动(AF)、阵发性AF。该研究将纳入来自三个特定人群的AF参与者:1)已植入心脏植入式电子设备(CIED)的参与者,包括植入式起搏器或植入式循环记录仪(ILR),且在筛选前3个月内有起搏器记录的持续5小时或更长时间的阵发性AF伴LEAF病史;2)因持续性AF接受首次择期电(直流)复律,或接受第二次择期电(直流)复律的参与者;3)无起搏器或ILR、有频繁AF和LEAF病史、且男性CHA2DS2-VASc评分至少为1或女性至少为2的阵发性AF参与者。AF监测将通过预植入的心脏植入式电子设备(CIED)进行,
【主题与分类】
主题标签:Atrial Fibrillation (AF)、Paroxysmal AF。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/NCT07792239
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/NCT07792239
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
疾病条件:心房颤动(AF)、阵发性心房颤动。本研究将纳入来自三个特定人群的AF受试者:1)已植入心脏植入式电子设备(CIED)的受试者,包括植入式起搏器或植入式循环记录仪(ILR),且在筛选前3个月内其起搏器记录中有持续5小时或更长时间的LEAF阵发性AF病史;2)因持续性AF接受首次择期电(直流电)复律,或第二次择期电(直流电)复律的受试者;3)无起搏器或ILR的阵发性AF受试者,有频繁AF和LEAF病史,男性CHA2DS2-VASc评分至少为1分或以上,女性至少为2分或以上。对于已植入心脏植入式电子设备(CIED)的受试者,包括植入式起搏器或植入式循环记录仪(ILR),将通过该设备进行AF监测。无CIED的受试者将使用心脏贴片和/或腕部可穿戴设备进行AF监测。
所有符合研究入选标准的参与者将开始接受布地达隆200 mg每日两次的治疗。参与者将每4周返回研究现场一次,剂量调整将遵循以下算法。如果未记录到持续5小时或更长时间的房颤发作,且任何连续24小时期间均未显示累计房颤负荷达到5小时或更长时间,则该参与者被归类为月度应答者,布地达隆剂量保持不变。如果观察到至少一次持续5小时或更长时间的房颤发作,或任何连续24小时期间显示累计房颤负荷达到5小时或更长时间,则该参与者被判定为月度无应答者,布地达隆剂量增加200 mg每日两次,最高至800 mg每日两次。
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。




