混合心源性-血管麻痹性休克患者预后
该数据集来自 clinicaltrials.gov，聚焦混合心源性-血管麻痹性休克（M-CS）这一严重表型，即心肌功能障碍与全身血管扩张并存
基本信息
资源简介
混合心源性-血管麻痹性休克患者预后
该数据集来自 clinicaltrials.gov，聚焦混合心源性-血管麻痹性休克（M-CS）这一严重表型，即心肌功能障碍与全身血管扩张并存。研究为回顾性、多中心、观察性注册研究，纳入因心源性休克（伴或不伴血管麻痹）住院的患者，分析常规收集的临床、生物学及有创血流动力学数据，旨在评估临床结局与预后因素。数据可用于探索 M-CS 的流行病学、管理方式及预后预测，支持相关风险分层与结局预测研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：急性心源性休克、体外循环、感染性休克、机械循环支持、心肌梗死（MI）、心梗后心源性休克。混合心源性-血管麻痹性休克（M-CS）是心源性休克的一种独特且严重的表型，其特征为同时存在心肌功能障碍和不适当地全身血管扩张。尽管具有临床相关性，M-CS 的流行病学、管理和结局仍定义不清。这项回顾性、多中心、观察性注册研究旨在评估与混合心源性-血管麻痹性休克相关的临床结局和预后因素。该研究将分析 M-CS 患者管理期间常规收集的临床、生物学和有创血流动力学数据。所有纳入患者均因心源性休克（伴或不伴血管麻痹）入院，定义为低
【主题与分类】
主题标签：Cardiogenic Shock Acute、Bypass, Cardiopulmonary、Septic Shock、Mechanical Circulatory Support、Myocardial Infarction (MI)。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/NCT07354568
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/NCT07354568
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：急性心源性休克、旁路手术、心肺转流、感染性休克、机械循环支持、心肌梗死（MI）、心肌梗死后心源性休克。混合型心源性-血管麻痹性休克（M-CS）是心源性休克的一种独特且严重的表型，其特征为同时存在心肌功能障碍和不适当地全身血管扩张。尽管具有临床意义，但M-CS的流行病学、管理和结局仍定义不清。这项回顾性、多中心、观察性注册研究旨在评估与混合型心源性-血管麻痹性休克相关的临床结局和预后因素。该研究将分析在M-CS患者管理过程中常规收集的临床、生物学及有创血流动力学数据。所有纳入患者均因心源性休克入院，伴或不伴血管麻痹，其定义为低心输出量，并且在存在血管麻痹时，尽管充盈压充足但仍出现全身血管阻力下降，需要血管升压药支持。
主要目标是描述死亡率和器官衰竭发生率，次要分析将确定不良结局的决定因素和潜在的表型亚组。PROMIX登记研究将在三家法国大学医院（CHU Amiens-Picardie、CHU Dijon-Bourgogne和CHU Rouen-Normandie）进行。本研究为非干预性研究，仅涉及常规重症监护中获取的数据，并将首次提供对这种复杂且未被充分认识的心源性休克形式的多中心概览。
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。
