Edoxaban与Apixaban在房颤合并冠心病患者中的净临床获益
该数据集来自 clinicaltrials.gov,主题为 Edoxaban 与 Apixaban 在房颤合并冠心病患者中的净临床获益,属于循环系统疾病 / 其他分类

基本信息
资源简介
Edoxaban与Apixaban在房颤合并冠心病患者中的净临床获益
该数据集来自 clinicaltrials.gov,主题为 Edoxaban 与 Apixaban 在房颤合并冠心病患者中的净临床获益,属于循环系统疾病 / 其他分类。源站描述指出,NOACs 已成为房颤患者预防血栓栓塞事件的标准治疗;对于房颤合并冠心病患者,口服抗凝药的选择需在血栓栓塞、冠状动脉缺血事件与出血风险之间权衡。Apixaban 与 Edoxaban 同为 Xa 因子抑制剂,但在给药方案、药代动力学特征和肾脏排泄程度上存在明显差异。该数据可用于比较两种药物在房颤合并冠心病人群中的疗效与安全性(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:心房颤动(AF)、冠状动脉疾病(CAD)。非维生素K拮抗剂口服抗凝药(NOACs)已成为房颤患者预防血栓栓塞事件的标准治疗。在房颤合并CAD的患者中,口服抗凝药的选择尤为重要,因为临床医生必须权衡血栓栓塞、冠状动脉缺血事件以及出血的风险。在现有NOACs中,apixaban与edoxaban共享Xa因子抑制的共同机制,但在给药方案、药代动力学特征和肾脏排泄程度上存在显著差异。在近期的COBRRA试验中,与rivaroxaban相比,apixaban在急性静脉血栓栓塞患者中与显著更低的临床相关出血相关,且未损害针对复发性血栓栓塞的疗效。尽管这些数据支持
【主题与分类】
主题标签:Atrial Fibrillation (AF)、Coronary Arterial Disease (CAD)。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/NCT07753200
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/NCT07753200
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:心房颤动(AF)、冠状动脉疾病(CAD)。非维生素K拮抗剂口服抗凝药(NOACs)已成为预防AF患者血栓栓塞事件的标准治疗。对于合并CAD的AF患者,口服抗凝药的选择尤为重要,因为临床医生必须权衡血栓栓塞、冠状动脉缺血事件以及出血的风险。在现有的NOACs中,阿哌沙班和依度沙班均通过抑制因子Xa发挥抗凝作用,但在给药方案、药代动力学特征及肾脏排泄程度方面存在显著差异。在近期的COBRRA试验中,与利伐沙班相比,阿哌沙班在急性静脉血栓栓塞患者中与显著降低的临床相关出血相关,且不影响对复发性血栓栓塞的疗效。尽管这些数据支持阿哌沙班作为重要的基准NOAC,但依度沙班与阿哌沙班之间的直接随机对照比较仍缺乏,尤其是在合并CAD的AF患者中。
依度沙班每日一次给药及较低的肾脏排泄比例可能提供实际优势,尤其在老年患者或肾功能受损患者中,可能通过提高依从性和简化剂量调整而体现。这些药理学差异是否能转化为总体临床结局的显著差异仍不确定。鉴于抗凝策略本质上需要在血栓栓塞保护与出血风险之间取得平衡,采用净临床结局进行评估最具临床相关性。因此,本随机对照试验旨在确定,在房颤合并冠心病患者中,以依度沙班为基础的治疗在NACE(死亡、血栓栓塞及大出血结局的复合终点)方面是否非劣效于阿哌沙班。
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。




