国家肺血管疾病登记与队列研究
该数据集来自 clinicaltrials.gov，为针对肺动脉高压患者的全国性多中心前瞻性观察性队列研究，旨在评估肺动脉高压患者的病因、临床特征、治疗方式与结局，并在中国建立肺动脉高压登记系统与数据库，构建基于网络、符合国际标准的数据采集系统及多中心临床研究平台
基本信息
资源简介
国家肺血管疾病登记与队列研究
National Registry and Cohort Study of Pulmonary Vascular Disease 是一项登记于 clinicaltrials.gov 的观察性研究数据集，聚焦肺动脉高压（Pulmonary Arterial Hypertension）这一循环系统疾病。该研究为多中心、前瞻性队列研究，纳入肺动脉高压患者，围绕病因、临床特征、治疗方式与结局开展系统评估，并致力于在中国建立肺动脉高压登记系统与数据库，构建基于网络、符合国际标准的数据采集系统以及多中心临床研究平台，其研究结果将为未来国家层面的肺动脉高压防治卫生政策提供依据。本站将其归入循环系统疾病 / 其他类别，主题标签为肺动脉高压。
【数据集背景】
肺动脉高压是一类以肺血管阻力进行性升高为特征的疾病，其病因构成复杂、临床表现多样、治疗手段与预后差异较大，单一中心的小样本经验难以全面反映疾病全貌。该研究正是在这一背景下设计的多中心、前瞻性观察性队列研究，目标在于系统评估肺动脉高压患者的病因、临床特征、治疗方式与结局，并在中国范围内建立肺动脉高压登记体系与数据库，同时搭建基于网络、符合国际标准的数据采集系统和多中心临床研究平台，从而为后续的临床研究与国家卫生政策制定奠定基础。
【数据内容】
该数据集围绕肺动脉高压患者展开，研究内容涵盖病因、临床特征、治疗方式与结局等核心维度。作为登记与队列研究，其数据组织服务于对患者群体的长期观察与系统评价，并支撑中国肺动脉高压数据库的建设。除上述研究维度外，源站未提供具体的变量字段、数据表结构或数据规模等细节。
【采集与来源】
数据来源站为 clinicaltrials.gov，研究类型为观察性、多中心、前瞻性队列研究，研究对象为肺动脉高压患者。研究配套建设基于网络、符合国际标准的数据采集系统，用于多中心数据的统一采集。关于具体的采集流程、随访时间安排、样本量及参与中心数量，源站未提供。
【适用场景】
该数据集适用于肺动脉高压相关的临床与流行病学研究，可用于评估患者病因分布、临床特征、治疗方式及结局，支持多中心临床研究平台的协作研究，并可为肺动脉高压防治相关的国家卫生政策制定提供依据。此外，其登记系统与数据库建设经验也可为同类疾病的登记研究提供参考。
【使用方法】
源站未提供该数据集的具体使用方式、访问途径或分析指南。研究描述中提及的基于网络、符合国际标准的数据采集系统与多中心临床研究平台，属于研究自身建设内容，其对外使用条件源站未提供。
【质量与限制】
该研究为多中心、前瞻性设计，并采用基于网络、符合国际标准的数据采集系统，这些设计特征有助于保障数据采集的规范性与一致性。但关于数据完整性、随访依从性、缺失值处理及偏倚控制等具体质量信息，源站未提供。使用时应结合源站信息进一步核实。
【引用与许可】
源站未提供该数据集的引用格式与许可条款。
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/NCT05368467
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
研究条件：肺动脉高压。这是一项针对肺动脉高压（PH）患者的观察性、多中心、前瞻性队列研究。本研究旨在评估PH患者的病因、临床特征、治疗方式及结局；同时建立中国PH注册系统，构建中国PH数据库，建立基于网络的国际标准PH数据采集系统及多中心临床研究平台。研究结果将为未来国家PH防治卫生政策提供依据。
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。
