SVV与PVI准确性配对比较
该数据集来自clinicaltrials.gov,围绕腹腔镜腹部大手术中目标导向液体治疗展开,比较由动脉压力波形得出的Stroke Volume Variation(SVV)与由脉搏血氧仪得出的Pleth Variability Index(PVI)预测液体反应性的诊断准确性

基本信息
资源简介
SVV与PVI准确性配对比较
该数据集来自clinicaltrials.gov,围绕腹腔镜腹部大手术中目标导向液体治疗展开,比较由动脉压力波形得出的Stroke Volume Variation(SVV)与由脉搏血氧仪得出的Pleth Variability Index(PVI)预测液体反应性的诊断准确性。研究采用标准化液体负荷进行头对头配对准确性评估,主要指标为ROC曲线下面积(AUROC)。数据可用于围手术期血流动力学监测指标的准确性比较与液体反应性预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:围手术期护理、液体治疗、生理监测、血流动力学、腹腔镜。背景与理由。腹腔镜腹部大手术中的目标导向液体治疗仍存在差异,因为动态前负荷指标在气腹和体位变化下表现不一致。每搏量变异度(SVV,源自动脉压力波形)和灌注变异指数(PVI,源自脉搏血氧仪)均为广泛可用且非药物、非研究性的监测手段。使用标准化液体负荷进行的头对头配对准确性研究可阐明在此背景下哪种指标能更好地识别液体反应性。目标。主要:比较SVV与PVI在腹腔镜腹部大手术中预测对小剂量晶体液负荷的液体反应性的诊断准确性(ROC曲线下面积,AUROC)。关键
【主题与分类】
主题标签:Perioperative Care、Fluid Therapy、Monitoring, Physiologic、Hemodynamics、Laparoscopy。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07260890
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/NCT07260890
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:围手术期护理、液体治疗、监测、生理学、血流动力学、腹腔镜。背景与理由。腹腔镜大型腹部手术中的目标导向液体治疗仍存在差异,因为动态前负荷指标在气腹和体位改变下表现不一致。每搏变异度(SVV,源自动脉压力波形)和脉搏变异指数(PVI,源自脉搏血氧仪)均为广泛可用且非药物、非研究性监测仪。使用标准化液体负荷进行头对头配对准确性研究,可阐明在此背景下哪种指标能更好地识别液体反应性。目的。主要:比较SVV与PVI在腹腔镜大型腹部手术中预测小剂量晶体液负荷后液体反应性的诊断准确性(ROC曲线下面积,AUROC)。
关键次要目标:(1)确定最佳决策阈值,并报告敏感性、特异性、预测值和似然比;(2)比较校准度和分类性能(约登指数、净重分类);(3)评估气腹状态、体重指数、通气参数和血管活性药物使用对效应的修饰作用;(4)描述每次推注前后的血流动力学变化。设计与设置。前瞻性、单中心、配对诊断准确性队列。纳入在全身麻醉下接受择期腹腔镜大型腹部手术的成人。每位参与者在可行的情况下,在两个时间点接受最多两次标准化的250 mL晶体液负荷试验,每次约3分钟内完成:(A)充气前和(B)建立气腹并达到血流动力学稳态后。由于两个指标均在同一液体负荷试验前后记录,每位参与者作为自身对照。指标试验。SVV(来自动脉压监测仪)和PVI(来自脉搏血氧饱和度监测仪)在每次推注前即刻(“推注前”)和推注后约3分钟时采集。
指数值由受过培训的研究人员记录,并保持盲态。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




