Hemangiol上市后监测研究
该数据集来自clinicaltrials.gov,为Hemangiol上市后监测研究,聚焦婴幼儿血管瘤。研究为回顾性、纵向、描述性观察性设计,纳入2014年1月至2018年11月因开始使用Hemangiol而住院的0至1岁儿童,排除拒绝使用医疗数据的患者

基本信息
资源简介
Hemangiol上市后监测研究
该数据集来自clinicaltrials.gov,为Hemangiol上市后监测研究,聚焦婴幼儿血管瘤。研究为回顾性、纵向、描述性观察性设计,纳入2014年1月至2018年11月因开始使用Hemangiol而住院的0至1岁儿童,排除拒绝使用医疗数据的患者。主要目标是描述接受Hemangiol治疗的人群,次要目标包括评估其对增殖性婴幼儿血管瘤的有效性与耐受性,以及系统性心脏科会诊的意义。可收集人口学、个人史及血管瘤描述等信息,可用于相关临床特征与用药评价研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:婴幼儿血管瘤。本研究为回顾性、纵向、描述性和观察性研究。将纳入2014年1月至2018年11月期间因开始使用Hemangiol而住院的0至1岁儿童。拒绝使用医疗数据的患者将被排除。主要目标是描述接受Hemangiol治疗的人群。次要目标是评估 Hemangiol对增殖性婴幼儿血管瘤的有效性,-Hemangiol在增殖性婴幼儿血管瘤儿童中的耐受性 对接受Hemangiol的增殖性婴幼儿血管瘤儿童进行系统性心脏科会诊的意义。将收集以下标准:人口学描述:年龄、性别、身高、体重;个人史;血管瘤描述: 受累器官:皮肤、肝脏、腮腺、混合型。 位置:头部、胸部
【主题与分类】
主题标签:Infantile Hemangioma。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04105517
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/NCT04105517
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:婴儿血管瘤。本研究为回顾性、纵向、描述性观察研究。纳入2014年1月至2018年11月期间因开始使用Hemangiol而住院的0至1岁儿童。拒绝使用其医疗数据的患者将被排除。主要目标是描述接受Hemangiol治疗的人群。次要目标为评估:* Hemangiol对增殖性婴儿血管瘤的疗效;- Hemangiol在增殖性婴儿血管瘤患儿中的耐受性;* 对接受Hemangiol治疗的增殖性婴儿血管瘤患儿进行系统性心脏科会诊的意义。将收集以下标准:人口学描述:年龄、性别、身高、体重;个人史;血管瘤描述:* 受累器官:皮肤、肝脏、腮腺、混合性。* 部位:头部、胸部、盆腔、四肢、弥漫性……
- 单发或多发 * 治疗指征:美观、功能、溃疡、心脏高酸性 随访节奏:治疗持续时间及治疗依从性 处方剂量:1、2、3或4 mg/kg/天,分2次给药 血管瘤演变:进展、消退、停滞。需要第二种医学治疗线,并说明所引入的治疗。需要手术处理的必要性,并说明手术与开始治疗之间的延迟时间 严重不良事件描述:低血压、心动过缓、支气管痉挛、低血糖。其他不良事件描述。心脏儿科会诊次数,并说明: * 通过系统性心脏会诊诊断出的心脏病的发生率 * 增加Hemangiol剂量对心电图数据的影响:心率、PR持续时间、QRS持续时间、QT持续时间
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。




