蛛网膜下腔出血代谢组学研究
该数据集来自clinicaltrials.gov,为单中心、前瞻性、观察性队列研究,纳入连续入院的急性自发性蛛网膜下腔出血(SAH)成人患者,数据采集于里斯本ULS São José的神经重症与创伤单元(UCINCT)

基本信息
资源简介
蛛网膜下腔出血代谢组学研究
该数据集来自clinicaltrials.gov,为单中心、前瞻性、观察性队列研究,纳入连续入院的急性自发性蛛网膜下腔出血(SAH)成人患者,数据采集于里斯本ULS São José的神经重症与创伤单元(UCINCT)。采集内容包括人口学、合并症与危险因素等信息,并涉及血液和脑脊液的代谢组学分析,采用傅里叶变换红外(FT-IR)光谱技术。该数据可用于探索SAH的新型预后生物标志物,并支持预测模型研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:蛛网膜下腔出血(SAH)、迟发性脑缺血。自发性蛛网膜下腔出血(SAH)与高发病率和高死亡率相关,常影响年轻成人。已确定的预后因素包括年龄、入院时的临床严重程度(Hunt & Hess和WFNS量表)以及影像学表现(改良Fisher量表),但现有预测模型的临床实施有限。血液和脑脊液(CSF)的代谢组学分析可能识别新的预后生物标志物;傅里叶变换红外(FT-IR)光谱是一种低成本技术,具有临床转化潜力。这是一项单中心、前瞻性、观察性队列研究,纳入连续入院的急性自发性SAH成人患者,患者收治于里斯本ULS São José的神经重症与创伤单元(UCINCT)。收集的数据包括人口学、合并症和危险因素
【主题与分类】
主题标签:Subarachnoid Haemorrhage (SAH)、Delayed Cerebral Ischemia。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07865182
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/NCT07865182
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:蛛网膜下腔出血(SAH)、迟发性脑缺血。自发性蛛网膜下腔出血(SAH)与高发病率和高死亡率相关,常累及年轻成人。已确立的预后因素包括年龄、入院时临床严重程度(Hunt & Hess和WFNS量表)及影像学表现(改良Fisher量表),但现有预测模型临床实施有限。血液和脑脊液(CSF)的代谢组学分析可能识别新的预后生物标志物;傅里叶变换红外(FT-IR)光谱是一种低成本技术,具有临床转化潜力。这是一项单中心、前瞻性、观察性队列研究,连续纳入入住里斯本ULS São José神经重症监护与创伤单元(UCINCT)的急性自发性SAH成年患者。
收集的数据包括人口统计学资料、合并症和危险因素;临床量表(每8小时评估一次格拉斯哥昏迷量表、Hunt & Hess分级、WFNS分级);自动瞳孔测量;每日实验室检查和每8小时一次动脉血气分析;第1、3、7天的神经元特异性烯醇化酶;持续生理监测,并在有临床指征时进行多模式神经监测(颅内压及波形、PRx、最佳脑灌注压、脑组织氧、脑温、视频脑电图);经颅多普勒、CT、MRI和血管造影结果;治疗(动脉瘤修复、去骨瓣减压手术、血管痉挛治疗)及并发症。第1、3、7天采集血液和脑脊液样本,现场处理后储存于NOVA医学院生物样本库(CHAIN Biobank)的-80ºC环境中,用于靶向和非靶向代谢组学分析,该分析与里斯本高等工程学院合作进行。出院一年后使用格拉斯哥结局量表扩展版(GOS-E)评估功能结局。单变量分析中与结局相关的变量(p<0.25)将纳入多变量逻辑回归模型。
模型区分度将通过ROC曲线下面积进行评估。该研究
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。




