院外心脏骤停早期双序贯除颤研究
该数据集来自 clinicaltrials.gov,主题为院外心脏骤停早期双序贯除颤的 Dubbel-D 研究,属于循环系统疾病/其他分类

基本信息
资源简介
院外心脏骤停早期双序贯除颤研究
该数据集来自 clinicaltrials.gov,主题为院外心脏骤停早期双序贯除颤的 Dubbel-D 研究,属于循环系统疾病/其他分类。研究为学术发起、研究者主导的开放标签随机对照试验试点,在院前急救医疗服务(救护车机构)中开展,由参与救护单元完成筛查、随机化、干预或对照治疗及初始随访。数据覆盖心脏骤停、室性颤动、心源性猝死与院外心脏骤停等情形,可用于院前除颤策略与心脏骤停急救相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:心脏骤停、颤动、室性、心源性猝死、院外心脏骤停。Dubbel-D 研究是一项学术性、研究者发起的开放标签试点研究,采用随机对照试验(RCT)设计,在院前急救医疗服务即救护车机构中开展。该试验将由参与院外心脏骤停(OHCA)救治的救护单元实施。这些单元将执行纳入筛查、随机化、干预或对照治疗以及初始随访。在所有 OHCA 病例中,应始终按照标准电极片放置方式连接除颤器,首先采用前侧-侧位(A-L)位置。这符合标准治疗。如果存在室性心动过速/心室颤动(VT/VF)或自动体外除颤器(AED)提示除颤,则应进行除颤,并立即恢复胸外按压。此后,患者可被筛查
【主题与分类】
主题标签:Cardiac Arrest、Fibrillation, Ventricular、Sudden Cardiac Death、Sudden Cardiac Arrest。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06447805
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/NCT06447805
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
适应症:心脏骤停、心室颤动、心源性猝死、突发性心脏骤停。Dubbel-D研究是一项学术性、由研究者发起的、开放标签的试点研究,采用随机对照试验(RCT)设计,在院前急救医疗服务(即救护车机构)中开展。该试验将由参与研究的救护车单位对院外心脏骤停(OHCA)患者实施。这些单位将负责筛选入组、随机化、干预或对照治疗以及初始随访。在所有OHCA病例中,均应始终连接除颤器,并首先采用标准电极片放置方式,即前侧-外侧(A-L)位置。这符合标准诊疗规范。如存在室性心动过速/心室颤动(VT/VF)或自动体外除颤器(AED)提示需要除颤,应实施除颤,并立即恢复胸外按压。此后,可对患者进行入组筛选。如现场有两台研究专用除颤器(Corpulse 3)且无排除标准(年龄低于18岁、明显妊娠、已知既往有不尝试复苏医嘱),则患者可入组并接受随机化。
随机化将通过抽取带有隐藏分配信息的刮刮卡进行,这些卡片将与EMS除颤器一同存放。所有刮刮卡将按3:1的比例预先随机化,采用4-8-12的区组,并按地区和救护车提供方进行分层。如果患者被随机分配到干预组,救护车急救团队将尽快使用第二台除颤器,电极置于前后位。除颤由一人依次操作两台除颤器进行,即“双序贯除颤”。此后所有连续除颤将采用双序贯除颤策略,直至自主循环恢复、终止复苏或决定将患者转送至医院。如果被随机分配到对照组,救护车急救团队将按照标准治疗继续实施高级生命支持。除颤使用标准
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




