脑出血平台研究(PLINTH):社区可行性研究
源站描述指出,现有临床试验多针对单一治疗、纳入的脑出血患者比例低,PLINTH 拟同时评估多种治疗并扩大参与机会,本可行性研究旨在判断该平台研究能否成功,计划在 Lothian 和 Lanarkshire 招募新近诊断为脑出血者

基本信息
资源简介
脑出血平台研究(PLINTH):社区可行性研究
该数据集来自 clinicaltrials.gov,对应 PLINTH 脑出血平台研究的社区可行性研究,主题标签为 Cerebral Hemorrhage。源站描述指出,现有临床试验多针对单一治疗、纳入的脑出血患者比例低,PLINTH 拟同时评估多种治疗并扩大参与机会,本可行性研究旨在判断该平台研究能否成功,计划在 Lothian 和 Lanarkshire 招募新近诊断为脑出血者。数据可用于了解脑出血平台试验的可行性研究设计与招募背景(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:脑出血。背景:临床试验尚未找到专门针对脑内出血所致卒中(简称 ICH)有效的治疗方法。大多数临床试验一次只研究一种治疗,且仅纳入十分之一的 ICH 患者。这就是每项临床试验平均仅招募 77 名参与者的原因。脑出血平台试验(PLINTH)将通过研究多种治疗并让每位 ICH 患者都有机会参与来改变这一现状。目的:研究者希望 PLINTH 规模大、包容性强、高效,并评估多种 ICH 治疗。首先,需要一项可行性研究来确定 PLINTH 能否成功。方法:研究者将在 Lothian 和 Lanarkshire 寻找新近诊断为 ICH 的人,并邀请他们参加一项可行性研究。研究者将
【主题与分类】
主题标签:Cerebral Hemorrhage。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06078020
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/NCT06078020
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:脑出血。背景:临床试验尚未找到专门针对脑内出血(简称ICH)所致卒中的有效治疗方法。大多数临床试验一次只研究一种治疗方法,且纳入的ICH患者仅占十分之一。因此,每项临床试验平均仅招募77名参与者。脑内出血平台试验(PLINTH)将通过研究多种治疗方法并为每位ICH患者提供参与机会来改变这一现状。目的:研究者希望PLINTH成为一项规模大、包容性强、高效且能评估多种ICH治疗方法的试验。首先,需要开展一项可行性研究以确定PLINTH能否成功。方法:研究者将在洛锡安和拉纳克郡寻找近期确诊为ICH的患者,并邀请他们参与一项可行性研究。研究者将通过Tailored Talks为他们提供个性化信息。研究者将了解ICH患者、照护者和医生对PLINTH的接受程度。研究者将利用常规收集的数据来追踪参与者的进展。
参与者的特征和结局将有助于设计PLINTH。患者与公众参与:研究者就PLINTH征询了ICH幸存者的意见:92%的人强烈同意,探索如何开展平台研究以寻找ICH治疗方法是一项优先事项。研究团队中有一名ICH幸存者。传播:研究者将制作易于获取的报告,并以ICH患者、照护者、医疗专业人员和公众偏好的格式(印刷版、电子邮件、社交媒体以及Research to Understand Stroke due to Haemorrhage网站[http://www.RUSH.ed.ac.uk])与他们分享。
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。




