择期心脏手术患者预康复

该数据集来自 clinicaltrials.gov,聚焦择期心脏手术患者的预康复。覆盖冠状动脉疾病、瓣膜性心脏病、慢性血栓栓塞性肺动脉高压及主动脉疾病人群

Hospital Universitario 12 de OctubreHospital Universitario 12 de Octubre
clinicaltrials
浏览 16
其他预测Coronary Artery DiseaseValvular Heart DiseaseAortic Diseases
Prehabilitation for Patients Undergoing Elective Cardiac Surgery

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-08

资源简介

择期心脏手术患者预康复

该数据集来自 clinicaltrials.gov,聚焦择期心脏手术患者的预康复。覆盖冠状动脉疾病、瓣膜性心脏病、慢性血栓栓塞性肺动脉高压及主动脉疾病人群。其临床试验目标是通过 PRECICA 项目开发新型康复模型,以减少计划心脏手术前护理过程中的围手术期和术后并发症,具体通过缩短术后总住院时间、减少手术带来的身体与心理并发症来实现,从而可能提升患者生活质量。可用于围手术期风险与术后结局相关的预测建模研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:冠状动脉疾病、瓣膜性心脏病、慢性血栓栓塞性肺动脉高压、主动脉疾病。本临床试验的目标是开发一种新型康复模型,通过 PRECICA 项目,帮助减少计划心脏手术前护理过程中的围手术期和术后并发症。这将通过缩短术后总住院时间以及减少手术导致的身体和心理并发症来实现。本试验的目标人群是因慢性冠状动脉疾病、瓣膜病变、慢性血栓栓塞性肺动脉高压和/或主动脉损伤而接受计划心脏手术的患者。因此,这些患者的生活质量可能得到提升。

【主题与分类】

主题标签:Coronary Artery Disease、Valvular Heart Disease、Aortic Diseases。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/NCT07704086

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT07704086

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

疾病:冠状动脉疾病、瓣膜性心脏病、慢性血栓栓塞性肺动脉高压、主动脉疾病。本临床试验的目的是开发一种新型康复模式,通过PRECICA项目,在计划心脏手术前的护理过程中帮助减少围手术期和术后并发症。这将通过缩短术后总住院时间以及减少手术导致的身体和心理并发症来实现。本试验的目标人群是因慢性冠状动脉疾病、瓣膜病变、慢性血栓栓塞性肺动脉高压和/或主动脉损伤而接受计划心脏手术的患者。因此,这些患者的生活质量可能得到改善。

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。

获取专属数据定制方案