下腔静脉滤器:数据库分析
本数据集来自 clinicaltrials.gov,聚焦下腔静脉滤器(cava-filter)在静脉血栓栓塞治疗中心的植入情况

基本信息
资源简介
下腔静脉滤器:数据库分析
本数据集来自 clinicaltrials.gov,聚焦下腔静脉滤器(cava-filter)在静脉血栓栓塞治疗中心的植入情况。数据为回顾性分析,覆盖 2016 至 2017 年某三级医院收治的静脉血栓栓塞患者,共 2399 例住院患者,其中植入滤器 442 例(2016 年 239 例、2017 年 203 例),占 18.4%。多数使用可取出滤器(98.8%)。植入原因包括抗凝禁忌 119 例(26.9%)和抗凝无效 184 例(41.6%)。可用于研究滤器使用频率、适应证分布及静脉血栓栓塞治疗模式(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:深静脉血栓、肺栓塞。本研究旨在评估一家设有静脉血栓栓塞治疗中心的三级医院中腔静脉滤器的植入频率。对 2016 至 2017 年间在该三级诊所接受治疗的患者数据库进行了回顾性分析。共有 2399 名静脉血栓栓塞患者住院,植入了 442 个腔静脉滤器(2016 年 239 个,2017 年 203 个),占静脉血栓栓塞患者的 18.4%。大多数病例使用了可取出腔静脉滤器(98.8%)。抗凝禁忌是 119 例(26.9%)患者植入腔静脉滤器的原因,184 名患者(41.6%)因抗凝无效而植入腔静脉滤器。38 名(8.6%)深静脉血栓(DVT)和肺栓塞患者患有肺动脉高压
【主题与分类】
主题标签:Deep Vein Thrombosis, Pulmonary Embolus。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/NCT04330170
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/NCT04330170
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:深静脉血栓形成、肺栓塞。本研究旨在评估一家设有静脉血栓栓塞治疗中心的三级医院中腔静脉滤器植入的频率。对2016年至2017年间在该三级诊所接受治疗的患者数据库进行了回顾性分析。共有2399例静脉血栓栓塞患者住院,植入了442个腔静脉滤器(2016年239个,2017年203个),占静脉血栓栓塞患者的18.4%。大多数病例使用的是可回收腔静脉滤器(98.8%)。抗凝禁忌是119例(26.9%)患者植入腔静脉滤器的原因,而184例(41.6%)患者因抗凝治疗无效而植入腔静脉滤器。38例(8.6%)深静脉血栓形成(DVT)合并肺栓塞患者存在2至3级肺动脉高压,从而导致腔静脉滤器的植入。根据重复超声检查,116例(26.9%)患者在腔静脉滤器植入后出现下腔静脉和腔静脉滤器闭塞。
静脉血栓栓塞症患者组的总体死亡率为0.25%(6例患者),其中5例(1.1%)接受了腔静脉滤器植入。所有致死性结局的原因均为基础疾病的进展。在随后的住院期间,29例(6.5%)植入的滤器经血管内取出。在三级医院中,有18.4%的静脉血栓栓塞症患者因各种原因接受腔静脉滤器植入。同时,在植入后早期观察到下腔静脉闭塞和腔静脉滤器阻塞的比例为26.9%。然而,在没有明确标准区分腔静脉滤器栓塞与滤器血栓形成的情况下,我们无法评估这究竟是一种并发症,还是腔静脉滤器通过预防肺栓塞完成了其任务。因此,腔静脉滤器植入在有效性和安全性方面的合理性这一问题仍未得到解答。
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。




