川崎病巨大冠状动脉瘤患儿利伐沙班模型引导剂量优化
该数据集来自 clinicaltrials.gov,聚焦川崎病后巨大冠状动脉瘤(GCAA)患儿的利伐沙班模型引导剂量优化

基本信息
资源简介
川崎病巨大冠状动脉瘤患儿利伐沙班模型引导剂量优化
该数据集来自 clinicaltrials.gov,聚焦川崎病后巨大冠状动脉瘤(GCAA)患儿的利伐沙班模型引导剂量优化。GCAA 是川崎病罕见而严重的心脏并发症,因血液流变学异常及急性期炎症反应伴血小板增多,患者冠状动脉血栓及主要不良心血管事件风险高,常需长期抗血小板和抗凝治疗。2022 年利伐沙班基于药物计量学模型获批两个特定儿科适应症,本数据涉及匹配成人每日 20 mg 暴露量的给药方案,可用于儿科抗凝剂量优化研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:川崎病、试点研究、冠状动脉瘤、利伐沙班。巨大冠状动脉瘤(GCAA)是川崎病(KD)罕见但严重的心脏并发症。由于血液流变学异常以及急性期伴随血小板增多的过度炎症反应,GCAA 患者发生冠状动脉血栓和主要不良心血管事件的风险很高。在这种情况下,可能需要终身抗血小板(阿司匹林或氯吡格雷)和抗凝治疗(华法林或低分子肝素,LMWH)。2022 年,两种化合物,即直接活化因子 X(FXa)抑制剂利伐沙班,在药物计量学模型的支持下,被国际监管机构批准用于两个特定的儿科适应症。例如,一种与成人每日 20 mg 暴露量相匹配的给药方案(20 mg 等效给药方案
【主题与分类】
主题标签:Kawasaki Disease、Pilot Study、Coronary Artery Aneurysm、Rivaroxaban。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/NCT06978439
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/NCT06978439
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:川崎病、试点研究、冠状动脉瘤、利伐沙班。巨大冠状动脉瘤(GCAA)是川崎病(KD)罕见但严重的心脏并发症。由于血液流变学异常以及急性期伴随血小板增多的高炎症反应,GCAA患者发生冠状动脉血栓形成和主要不良心血管事件的风险较高。在此类情况下,可能需要终身抗血小板(阿司匹林或氯吡格雷)和抗凝治疗(华法林或低分子肝素,LMWH)。2022年,两种化合物——直接活化因子X(FXa)抑制剂利伐沙班——在国际监管机构获批用于两个特定的儿科适应症,并获得药物计量学模型的支持。例如,与成人每日20 mg暴露量相匹配的给药方案(20 mg等效给药方案)适用于18岁以下患有静脉血栓栓塞症(VTE)的儿童。
其次,与成人每日10 mg暴露量相匹配的给药方案(即10 mg等效给药方案)适用于2岁及以上的Fontan术后患者,此适应症依据UNIVERSE研究结果,该研究比较了利伐沙班与阿司匹林。然而,尚无试验在川崎病(KD)后并发巨大冠状动脉瘤(GCAA)的儿童患者中比较利伐沙班与华法林/低分子肝素(LMWH)。跨种族群体药代动力学(PPK)分析提示,亚洲患者可能需要较低剂量的利伐沙班,这与日本成人J-ROCKET试验的发现一致。据此,日本静脉血栓栓塞症(VTE)儿童患者(体重≥50 kg)的最大剂量已从20 mg每24小时一次降至15 mg每24小时一次。然而,关于利伐沙班在KD后GCAA儿童患者中应用的报道仍然有限,尤其是来自亚洲国家的报道。其应用更具挑战性,原因包括:(i)合并使用抗血小板药物增加出血风险;(ii)以低龄患者为主(通常<3岁),其肝肾功能及生长发育存在变异性。3 鉴于较低的
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。




