心肌梗死后健康行为与改变意愿:横断面调查
数据通过经验证的问卷采集,包括 PIAC(主要结局,改变意愿)、SF-36(生活质量)、HADS(焦虑/抑郁)、KCCQ-23(躯体功能),以及社会人口学数据和自由文本

基本信息
资源简介
心肌梗死后健康行为与改变意愿:横断面调查
该数据集来自 clinicaltrials.gov,为单中心横断面调查,纳入过去 6 个月内接受 PTCA 治疗、并在德国埃森大学医院 Westdeutsches Herz- und Gefäßzentrum 的 Lipidambulanz 常规随访时招募的患者。数据通过经验证的问卷采集,包括 PIAC(主要结局,改变意愿)、SF-36(生活质量)、HADS(焦虑/抑郁)、KCCQ-23(躯体功能),以及社会人口学数据和自由文本。可用于研究心肌梗死后患者的风险认知、二级预防知识、自我效能、焦虑抑郁与行为改变意愿之间的关系,并支持心血管风险相关分类或预测建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:Cardiovascular (CV) Risk、Heart Attack Patients。心血管疾病是德国和全球的主要死亡原因。即使在成功的 PTCA 之后,再梗死率仍然较高,部分原因是患者常常低估其持续存在的风险、对二级预防目标了解有限,并且对行为改变表现出较低的自我效能;心肌梗死后焦虑和抑郁也很常见。这项单中心横断面研究纳入过去 6 个月内接受 PTCA 治疗的患者,在德国埃森大学医院 Westdeutsches Herz- und Gefäßzentrum 的 Lipidambulanz 常规随访时招募。参与者完成经验证的问卷:PIAC(主要结局;改变意愿)、SF-36(生活质量)、HADS(焦虑/抑郁)和 KCCQ-23(躯体功能),以及社会人口学数据和自由文本
【主题与分类】
主题标签:Cardiovascular (CV) Risk、Heart Attack 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/NCT07785921
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/NCT07785921
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:心血管(CV)风险、心脏病发作患者。心血管疾病是德国及全球范围内导致死亡的主要原因。即使在成功的PTCA之后,再梗死率仍然居高不下,部分原因是患者往往低估其持续存在的风险,对二级预防目标了解有限,且在行为改变方面自我效能感较低;心肌梗死后焦虑和抑郁也很常见。这项单中心横断面研究纳入过去6个月内接受过PTCA治疗的患者,这些患者在埃森大学医院西德心脏和血管中心脂质门诊进行常规随访时被招募。参与者填写经过验证的问卷:PIAC(主要结局;改变准备度)、SF-36(生活质量)、HADS(焦虑/抑郁)和KCCQ-23(身体功能),以及社会人口学数据和关于感知障碍的自由文本部分。本研究纯属观察性研究,不涉及干预或生物标本,大约需要30分钟。
计算得出143名参与者的样本量,以确保估计PIAC均值和支持探索性回归分析具有足够的精确度,并考虑了10%的脱落率。数据收集将持续6个月,随后进行18个月的分析。研究结果将为计划中的随机对照试验提供依据。
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。




