围手术期嗜酸性粒细胞恢复对A型急性主动脉夹层预后的影响
该数据集来自clinicaltrials.gov,聚焦A型急性主动脉夹层(TA-AAD)患者的围手术期嗜酸性粒细胞(EOS)恢复情况与预后

基本信息
资源简介
围手术期嗜酸性粒细胞恢复对A型急性主动脉夹层预后的影响
该数据集来自clinicaltrials.gov,聚焦A型急性主动脉夹层(TA-AAD)患者的围手术期嗜酸性粒细胞(EOS)恢复情况与预后。数据回顾性纳入2019年2月至2021年7月期间入院的274例TA-AAD患者,其中54例在术后1个月内死亡。数据涵盖基线社会人口学、临床及功能状态,并采用t检验、Mann-Whitney U检验、χ2检验或Fisher精确检验进行比较,同时通过多因素回归分析评估EOS与1个月死亡率的关联。可用于研究EOS恢复与TA-AAD术后短期死亡风险的预测关系(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:急性主动脉夹层。本研究回顾性纳入2019年2月至2021年7月期间入住我院的274例TA-AAD患者。共有54例患者在术后1个月内不幸死亡。我们根据主要结局比较了基线社会人口学、临床和功能状态,连续数据采用t检验或Mann-Whitney U检验,分类数据采用χ2检验或Fisher精确检验。连续变量根据分布正态性以均值、标准差、中位数表示,分类变量以绝对数及其百分比表示,并使用卡方检验进行比较。应用多因素回归分析评估EOS与1个月死亡率之间的关联,包括未调整模型、年龄、性别、体重指数(BMI)调整模型(模型2),以及调整年龄、s
【主题与分类】
主题标签:Acute Aortic Dissection。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/NCT05409677
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/NCT05409677
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:急性主动脉夹层。本研究回顾性纳入2019年2月至2021年7月期间我院收治的274例TA-AAD患者。共有54例患者不幸在术后1个月内死亡。我们根据主要结局比较了基线社会人口学、临床和功能状态,连续数据采用t检验或Mann-Whitney U检验,分类数据采用χ2检验或Fisher精确检验。连续变量根据分布正态性以均值±标准差或中位数表示,分类变量以绝对数及其百分比表示,并采用卡方检验进行比较。采用多变量回归分析评估EOS与1个月死亡率之间的关联,包括未调整模型、年龄、性别、体重指数(BMI)调整模型(模型2)、调整年龄、性别、BMI、收缩压(SBP)、舒张压(DBP)和平均动脉压(MAP)的模型(模型3),以及进一步调整年龄、性别、BMI、SBP、DBP、MAP、心率(HR)、糖尿病、卒中和高脂血症的模型(模型4)。
此外,采用一般线性模型重复测量方差分析(在非球形情况下经Greenhouse-Geisser检验校正)比较术前EOS与术后第八天EOS。在预后分析中,使用受试者工作特征(ROC)曲线确定不同时间点EOS的最佳截断值以及术后EOS恢复至正常水平的时间,以预测预后事件。随后应用Kaplan-Meier曲线,根据预测阈值比较两个亚组之间的预后。所有统计检验均以P值<0.05视为具有统计学显著性。
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。




