Xa抑制剂预防日本非瓣膜性房颤患者卒中及系统性栓塞的有效性与安全性评估
该数据集来自clinicaltrials.gov，聚焦日本非瓣膜性心房颤动患者，评估新型口服Xa抑制剂rivaroxaban在真实临床实践中预防卒中和系统性栓塞的有效性与安全性
基本信息
资源简介
Xa抑制剂预防日本非瓣膜性房颤患者卒中及系统性栓塞的有效性与安全性评估
该数据集英文名称为“Evaluation of Effectiveness and Safety of Xa Inhibitor for the Prevention of Stroke And Systemic Embolism in a Nationwide Cohort of Japanese Patients Diagnosed as Non-valvular Atrial Fibrillation”，来源于clinicaltrials.gov，聚焦日本全国范围内被诊断为非瓣膜性心房颤动的患者人群，评估新型口服Xa抑制剂rivaroxaban在真实临床实践中预防卒中和系统性栓塞的有效性与安全性。数据集以非瓣膜性心房颤动为核心主题，属于循环系统疾病分类下的其他类别，其内容围绕日本临床实践中该药物的实际应用表现展开，为相关研究与分析提供数据基础。
【数据集背景】
非瓣膜性心房颤动是临床常见的循环系统疾病，患者面临卒中和系统性栓塞的风险。rivaroxaban作为一种新型口服Xa抑制剂，其在真实临床实践中的有效性与安全性需要通过大规模人群数据加以评估。该数据集正是针对日本非瓣膜性心房颤动患者这一特定人群，考察rivaroxaban在预防卒中和系统性栓塞方面的表现，反映了该药物在日本临床实践中的应用情况。
【数据内容】
数据集的主题标签为非瓣膜性心房颤动，内容涉及对新型口服Xa抑制剂rivaroxaban预防卒中和系统性栓塞的有效性与安全性的评估。数据覆盖日本全国范围内被诊断为非瓣膜性心房颤动的患者队列。关于具体的变量字段、样本规模、随访时长及结局指标等细节，源站未提供。
【采集与来源】
该数据集来源于clinicaltrials.gov，属于循环系统疾病分类下的其他类别。其数据背景为日本临床实践中的全国性患者队列。关于具体的采集方法、时间范围和数据加工流程，源站未提供。
【适用场景】
该数据集适用于围绕非瓣膜性心房颤动患者使用rivaroxaban预防卒中和系统性栓塞的有效性与安全性开展的分析与研究，尤其适合关注日本真实临床实践背景下该药物表现的研究场景。关于其他具体适用场景，源站未提供。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/NCT02147444
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：非瓣膜性心房颤动。本研究在日本临床实践中评估新型口服Xa因子抑制剂利伐沙班（rivaroxaban）在非瓣膜性心房颤动患者中预防卒中和系统性栓塞的疗效与安全性。
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。
