初级保健质子泵抑制剂减处方试验
该数据集来自 clinicaltrials.gov,围绕初级保健场景下的质子泵抑制剂(PPI)减处方试验,涉及 Heartburn、Dyspepsia、Reflux 等酸相关症状人群

基本信息
资源简介
初级保健质子泵抑制剂减处方试验
该数据集来自 clinicaltrials.gov,围绕初级保健场景下的质子泵抑制剂(PPI)减处方试验,涉及 Heartburn、Dyspepsia、Reflux 等酸相关症状人群。源站描述指出 PPI 使用量大幅上升,相当比例属于超适应证、剂量不当或疗程过长,并伴随潜在不良反应与高成本担忧;指南建议减少长期使用但临床实践尚未改观,停药后还可能出现为期 2 周的反酸症状复发。数据可用于研究 PPI 减处方的实施效果与症状管理(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:Heartburn、Dyspepsia、Reflux。质子泵抑制剂(PPIs)是一类减少胃酸分泌的药物。对于一组已明确识别的疾病和病症,这些药物在缓解反酸症状方面非常有效。多年来,这类药物的使用大幅增加。有说服力的分析显示,其中很大一部分使用发生在常规适应证之外,剂量不适当偏高且治疗时间过长。此外,人们越来越担心不当使用 PPI 可能带来的不良反应和高昂费用。指南建议减少 PPIs 的长期使用,但迄今为止这并未使其在临床实践中的应用减少。原因之一是当这些药物被停用时,会出现为期 2 周的胃酸分泌增加期,并伴有症状复发。
【主题与分类】
主题标签:Heartburn、Dyspepsia、Reflux。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05629143
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/NCT05629143
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
适应症:烧心、消化不良、反流。质子泵抑制剂(PPIs)是一类减少胃酸分泌的药物。对于一组明确的疾病和病症,这些药物在缓解酸反流症状方面非常有效。多年来,这类药物的使用量大幅上升。令人信服的分析表明,其中很大一部分使用超出了常规适应症,表现为剂量不当偏高和治疗疗程过长。此外,关于潜在不良反应以及不当使用PPI所带来的高额费用,人们的担忧日益增加。指南建议减少PPI的长期使用,但迄今为止,这并未使其在临床实践中的应用有所减少。原因之一是,在使用这类药物仅几周后停药时,会出现为期2周的胃酸分泌增加期,症状复发(反跳效应)。克服这一胃酸分泌增加和症状加重期的最佳策略尚未确立。
PEPPER研究将评估两种不同策略,以克服在尝试中断长期质子泵抑制剂治疗时出现的分泌增加期。研究者将比较实施这些策略后停用PPI的成功率,与间断性摄入PPI后停药的经典策略相比。正在评估的策略包括:在停药前一段时间内非每日摄入质子泵抑制剂(按需服用),或使用替代方法控制胃酸和反流(即所谓藻酸盐)。研究者将评估采用这些方法停用长期PPI治疗的成功率,与通过摄入抗酸剂进行中断相比。患者在中断PPI后将随访1年,并定期评估症状控制水平、生活质量和医疗费用。该研究将在基层医疗诊所的长期PPI患者中开展。
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。




