肺动脉高压合并糖尿病患者长期生存及影响因素
该数据集来自 clinicaltrials.gov，聚焦肺动脉高压（PAH）合并糖尿病患者，为多中心回顾性队列研究，预计收集不少于 5,000 名患者的数据，用于比较合并与不合并糖尿病患者的长期总生存情况，并分析总生存的影响因素
基本信息
资源简介
肺动脉高压合并糖尿病患者长期生存及影响因素
该数据集英文名为 Long-term Survival and Influencing Factors of Patients With Pulmonary Arterial Hypertension and Diabetes，来源于 clinicaltrials.gov，聚焦肺动脉高压（PAH）合并糖尿病患者这一特定人群。其研究设计为多中心回顾性队列研究，预计收集不少于 5,000 名患者的数据，核心目的在于比较合并糖尿病与不合并糖尿病的肺动脉高压患者的长期总生存情况，并进一步分析影响总生存的相关因素。数据集在分类上归属于循环系统疾病下的其他类别，主题标签为肺动脉高压（PAH）。整体而言，该数据集围绕肺动脉高压与糖尿病共病人群的长期生存结局展开，具有明确的临床研究导向，可为相关疾病的预后评估与风险因素探索提供数据基础。
【数据集背景】
肺动脉高压（PAH）是一类以肺血管阻力进行性升高为特征的循环系统疾病，其长期生存状况受到多种因素影响。糖尿病作为常见的代谢性疾病，可能对肺动脉高压患者的预后产生作用。该数据集正是围绕这一临床问题而建立，旨在通过多中心回顾性队列研究的方式，考察糖尿病与肺动脉高压患者长期总生存之间的关系，并识别影响总生存的风险因素，从而为临床认识该共病人群的预后特征提供依据。
【数据内容】
该数据集所涉及的研究对象为肺动脉高压患者，研究将患者按是否合并糖尿病进行区分，用于比较两类人群的长期总生存情况。研究计划收集不少于 5,000 名患者的数据，并在此基础上分析总生存的影响因素。数据集的主题标签为肺动脉高压（PAH），所属分类为循环系统疾病下的其他类别。关于具体的变量字段、随访时间跨度、结局指标定义等细节，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。根据源站描述，其对应的研究为一项多中心回顾性队列研究，涉及多个研究中心，并计划纳入不少于 5,000 名肺动脉高压患者的数据。研究通过回顾性方式收集患者资料，用于后续的生存比较与影响因素分析。关于各中心的具体构成、数据采集时间范围以及采集流程等信息，源站未提供。
【适用场景】
该数据集适用于围绕肺动脉高压患者长期生存结局开展的分析性研究，尤其适合探讨糖尿病这一合并症对肺动脉高压患者总生存的影响，以及识别与总生存相关的风险因素。其多中心回顾性队列的设计特点，使其可用于较大样本量的预后比较研究。关于该数据集在其他具体场景中的应用方式，源站未提供。
【使用方法】
该数据集对应的研究以比较合并与不合并糖尿病患者的长期总生存情况为主要分析路径，并对总生存的影响因素进行分析。使用者可据此围绕生存分析与影响因素建模等方向组织研究。关于数据的具体获取方式、访问条件及使用流程，源站未提供。
【质量与限制】
该数据集对应的研究为多中心回顾性队列研究，计划纳入不少于 5,000 名患者，具有一定的样本规模基础。由于采用回顾性设计，其数据质量与局限性相关的具体说明，源站未提供。
【引用与许可】
关于该数据集的引用方式与许可条款，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/NCT07082933
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：肺动脉高压（PAH）。这是一项关于肺动脉高压的多中心回顾性队列研究。预计将收集不少于5，000名患者的数据，以比较合并糖尿病与未合并糖尿病患者的长期总生存期，并分析总生存期的危险因素。
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。
