法国AKI登记研究:肾内科重症急性肾损伤院内管理与结局的多中心研究
FAKIR(法国AKI登记研究)是一项前瞻性、多中心、非干预性观察性研究,聚焦因KDIGO 2期或3期急性肾损伤入住肾内科的患者,描述其院内临床管理方式,并评估其肾脏与心血管结局

基本信息
资源简介
法国AKI登记研究:肾内科重症急性肾损伤院内管理与结局的多中心研究
FAKIR(法国AKI登记研究)是一项前瞻性、多中心、非干预性观察性研究,聚焦因KDIGO 2期或3期急性肾损伤入住肾内科的患者,描述其院内临床管理方式,并评估其肾脏与心血管结局。数据覆盖急性肾损伤、慢性肾衰竭、心肾综合征、肾脏替代治疗与住院等主题,可用于分析重症AKI的诊疗实践差异及其对长期预后的影响,支持肾脏与心血管结局的预测建模研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Acute Kidney Injury, Kidney Failure Chronic, Cardiorenal Syndrome, Renal Replacement Therapies, Hospitalizations. 急性肾损伤(AKI)是住院患者中常见且严重的疾病,尤其是当达到KDIGO分类的2期或3期时。这些严重类型与高死亡率、进展为慢性肾脏病(CKD)的风险以及频繁的心血管并发症相关。然而,目前关于肾脏科医生在住院期间如何管理这些患者——以及这些实践如何影响长期结局——的数据有限且异质性较大。FAKIR研究(法国AKI登记研究)是一项前瞻性、多中心、非干预性观察性研究,旨在描述因AKI 2期或3期入住肾内科的患者的临床管理,并评估其肾脏和心血管结局,直至
【主题与分类】
主题标签:Acute Kidney Injury、Kidney Failure Chronic、Cardiorenal Syndrome、Renal Replacement Therapies、Hospitalizations。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07123324
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/NCT07123324
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
病症:急性肾损伤、慢性肾衰竭、心肾综合征、肾脏替代治疗、住院。急性肾损伤(AKI)是住院患者中常见且严重的病症,特别是当其达到KDIGO分类的第2或第3阶段时。这些严重形式与高死亡率、进展为慢性肾脏病(CKD)的风险以及频繁的心血管并发症相关。然而,目前关于肾脏科医生在住院期间如何管理这些患者——以及这些实践如何影响长期结果——的数据有限且异质性大。FAKIR研究(法国AKI登记处)是一项前瞻性、多中心、非干预性观察研究,旨在描述因AKI第2或第3阶段入住肾脏科的患者临床管理情况,并评估其长达一年的肾脏和心血管结局。该研究假设,更好地描述院内实践和患者轨迹将有助于识别肾脏恢复、进展为终末期肾病以及主要心血管事件的预测因素。
患者将在住院期间以及第3、6和12个月接受随访,以评估肾功能、死亡率、心血管事件和再住院情况。该登记研究旨在提供真实世界的多中心数据,为未来的指南制定和结构化急性肾损伤后照护路径的开发提供支持。
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。




