心脏手术后静脉铁剂预防长期贫血研究
该数据集来自 clinicaltrials.gov,聚焦心脏手术后贫血与铁缺乏问题,涵盖贫血、铁缺乏、缺铁性贫血、心脏手术及心脏瓣膜疾病人群

基本信息
资源简介
心脏手术后静脉铁剂预防长期贫血研究
该数据集来自 clinicaltrials.gov,聚焦心脏手术后贫血与铁缺乏问题,涵盖贫血、铁缺乏、缺铁性贫血、心脏手术及心脏瓣膜疾病人群。源站描述指出术后贫血高发并影响功能恢复与长期结局,术前铁缺乏常见且术后功能性铁缺乏易因失血、血液稀释和炎症而出现,但目前缺乏标准化术后贫血管理策略。该前瞻性随机双盲安慰剂对照试验评估早期术后静脉补铁能否改善长期贫血结局,数据可用于相关临床研究与预测建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:贫血、铁缺乏、缺铁性贫血、心脏手术、心脏瓣膜疾病。术后贫血在接受心脏手术的患者中高度流行,并与功能恢复延迟、发病率增加和长期结局受损相关。术前铁缺乏在该人群中常见,并导致术后红细胞生成恢复不足。即使术前无铁缺乏的患者,也常因失血、血液稀释和炎症介导的铁稳态破坏而出现功能性铁缺乏。尽管存在这一临床负担,术后贫血管理的标准化策略尚未建立。这项前瞻性、随机、双盲、安慰剂对照临床试验评估早期术后静脉补铁是否改善长期贫血结局
【主题与分类】
主题标签:Anemia、Iron Deficiencies、Iron Deficiency Anemia、Cardiac Surgery、Heart Valve Diseases。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07238972
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/NCT07238972
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
疾病条件:贫血、铁缺乏、缺铁性贫血、心脏手术、心脏瓣膜疾病。术后贫血在接受心脏手术的患者中非常普遍,并与功能恢复延迟、发病率增加和长期预后受损相关。术前铁缺乏在该人群中很常见,并导致术后红细胞生成恢复不足。即使术前无铁缺乏的患者,由于失血、血液稀释和炎症介导的铁稳态紊乱,也常常出现功能性铁缺乏。尽管存在这一临床负担,术后贫血管理的标准化策略尚未建立。这项前瞻性、随机、双盲、安慰剂对照临床试验评估术后早期静脉补铁是否能改善接受体外循环心脏手术患者的长期贫血结局。术前贫血(血红蛋白<13 g/dL)或铁缺乏(铁蛋白<100 ng/mL或转铁蛋白饱和度<20%)的成年患者将被筛选。
术后第1天(POD 1)血红蛋白<10 g/dL的合格受试者将按1:1比例随机分配,于POD 1接受地麦芽糖铁(20 mg/kg,最大1,000 mg)或匹配安慰剂,经静脉输注30分钟给药。干预以外的所有围手术期管理均遵循现行机构标准。主要结局为术后6个月时贫血的发生率。次要结局包括围手术期血红蛋白变化趋势、通过心肺运动试验和6分钟步行试验评估的6个月时功能恢复情况、输血需求、术后并发症(包括MAKE-90和STS主要并发症)以及红细胞生成和铁代谢生物标志物(红铁酮、促红细胞生成素、铁调素和铁谱)的变化。用于生物标志物分析的血液样本在预定义的围手术期时间点采集。地麦芽糖铁可实现高剂量单次补铁,具有
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。




