精准医学对MINOCA患者预后价值的研究(PROMISE试验)

条件:非阻塞性冠状动脉心肌梗死。PROMISE研究是一项随机、多中心、前瞻性、优效性IV期试验,比较“精准医学方法”与“标准治疗”在改善MINOCA患者预后和/或生活质量方面的效果

Fondazione Policlinico Universitario Agostino Gemelli IRCCSFondazione Policlinico Universitario Agostino Gemelli IRCCS
clinicaltrials
浏览 20
基因组预测MINOCA精准医学心肌梗死随机对照试验预后生活质量
Prognostic Value of Precision Medicine in Patients With MINOCA (PROMISE Trial).

基本信息

模态
基因组
任务类型
预测
创建/更新时间
2026-10-08

资源简介

精准医学对MINOCA患者预后价值的研究(PROMISE试验)

PROMISE试验(Prognostic Value of Precision Medicine in Patients With MINOCA)是一项注册于clinicaltrials.gov的临床研究数据集,聚焦于非阻塞性冠状动脉心肌梗死(MINOCA)这一特殊类型的急性心肌梗死。该研究全称为“精准医学对MINOCA患者预后价值的研究”,采用随机、多中心、前瞻性、优效性IV期试验设计,旨在比较“精准医学方法”与“标准治疗”两种策略在改善MINOCA患者预后和/或生活质量方面的差异。数据集围绕这一核心问题组织,涵盖研究条件、干预分组、主要目标等关键信息,属于循环系统疾病领域的其他类目,主题标签为“非阻塞性冠状动脉心肌梗死”。

【数据集背景】

非阻塞性冠状动脉心肌梗死(MINOCA)是指患者呈现心肌梗死的临床证据,但冠状动脉造影未发现阻塞性病变。这类患者的病理生理机制异质性强,可能涉及斑块破裂、血栓形成、血管痉挛、微血管功能障碍等多种原因,因此统一的经验性治疗往往难以取得理想效果。PROMISE研究正是在这一背景下提出,试图通过精准医学方法明确每位患者的具体致病机制,并据此制定个体化治疗方案,从而改善预后与生活质量。该研究被归类为循环系统疾病/其他,来源于clinicaltrials.gov,属于IV期临床试验,意味着其关注的是已上市药物或成熟干预策略在新适应症或新应用方式下的效果评估。

【数据内容】

数据集的核心内容围绕PROMISE试验的设计与目标展开。研究条件为“非阻塞性冠状动脉心肌梗死”。试验将患者按1:1比例随机分配至两组:一组接受“精准医学方法”,即进行全面的诊断性检查,以阐明MINOCA的病理生理机制,并据此采用量身定制的药物治疗;另一组接受“标准治疗”,即采用标准诊断流程和针对心肌梗死的常规治疗。研究的主要目标是评估采用精准医学方法、并针对潜在致病机制给予特异性治疗,能否改善MINOCA患者的生活质量。此外,源站描述中还提及研究者进一步设定了其他目标,但源站描述在此处中断,未提供完整内容。

【采集与来源】

该数据集来源于clinicaltrials.gov,即美国国立医学图书馆运营的临床试验注册平台。源站描述提供了研究的基本设计信息,包括研究条件、试验类型、分组方式、干预措施及主要目标。数据集的英文名称为“Prognostic Value of Precision Medicine in Patients With MINOCA (PROMISE Trial)”,中文可译为“精准医学对MINOCA患者预后价值的研究(PROMISE试验)”。本站将其归入循环系统疾病/其他分类,并标注主题标签“非阻塞性冠状动脉心肌梗死”。除上述来源信息外,源站未提供具体的采集时间、样本量、随访时长、数据字段结构等细节。

【适用场景】

该数据集适用于对MINOCA这一特殊心肌梗死类型感兴趣的研究人员、临床医生及医疗政策制定者。具体而言,可用于了解精准医学策略在心血管疾病领域的应用设计,比较精准医学方法与标准治疗在随机对照试验中的实施框架,以及探讨以生活质量为主要终点的IV期试验设计思路。此外,该数据集也可作为循证医学教学或临床研究方法学讨论的案例,帮助理解优效性试验、多中心随机分组及个体化治疗理念在心血管领域的实践。由于源站未提供具体结果数据,该数据集更偏向于研究方案与设计信息的参考,而非直接用于疗效评估或Meta分析。

【使用方法】

使用该数据集时,可将其视为一项临床试验的方案摘要信息。用户可依据源站描述了解PROMISE试验的研究条件、干预分组、主要目标及试验分期。若需进一步分析,应结合clinicaltrials.gov上的完整注册记录,获取样本量、入排标准、终点定义、统计方法等补充信息。由于本站仅提供分类、标签及源站描述片段,建议在使用时直接访问源站以核实最新状态和完整数据。对于临床决策或系统评价,不应仅依赖该数据集中的片段信息,而应查阅正式发表的试验方案或结果论文。

【质量与限制】

该数据集的信息质量取决于源站描述的完整性与准确性。目前可见的描述提供了研究设计的关键要素,但存在明显限制:源站描述在“The investigators further”处中断,后续内容缺失,导致研究者的其他目标、次要终点、样本量、随访计划等关键信息无法获取。此外,数据集未提供任何结果数据、统计指标或结论,因此无法用于评估精准医学方法是否真正优于标准治疗。本站分类为“循环系统疾病/其他”,标签仅覆盖主题,未涉及方法学质量评价。总体而言,该数据集适合作为研究背景和设计参考,但不足以支撑完整的证据合成或临床实践推荐。

【引用与许可】

该数据集的来源站为clinicaltrials.gov,引用时应注明原始注册信息及PROMISE试验的英文全称。关于许可与使用条款,源站未提供具体说明,建议遵循clinicaltrials.gov的通用使用政策。本站分类与标签信息的使用许可,源站未提供。若需引用或再利用,应直接查阅clinicaltrials.gov上该试验的注册页面,以获取最新的引用格式和授权信息。

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/NCT05122780

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

条件:非阻塞性冠状动脉心肌梗死。PROMISE研究是一项随机、多中心、前瞻性、优效性IV期试验,比较“精准医学方法”与“标准治疗”在改善MINOCA患者预后和/或生活质量方面的效果。患者将按1:1随机分配至“精准医学方法”组,该方法包括旨在阐明MINOCA病理生理机制的全面诊断检查,并据此采用个体化药物治疗;或分配至“标准治疗”组,即采用标准的心肌梗死诊断流程和治疗。本研究旨在评估采用精准医学方法并根据潜在致病机制进行特定治疗是否能改善MINOCA患者的生活质量(主要目标)。

研究者的进一步目标在于探究精准医学方法是否能够改善预后、降低医疗相关费用,以及不同的血浆生物标志物和microRNA谱是否可作为诊断工具,用于检测MINOCA的特定病因并评估治疗反应(次要目标)。最后,除了在鉴别诊断中的关键作用外,研究者假设心脏磁共振(CMR)可能提供心脏的形态学和功能特征描述,并有助于预后分层(次要目标)。该研究是一项多中心试验,涉及3个中心:IRCCS Fondazione Policlinico Universitario A. Gemelli(研究发起方)、Centro Cardiologico Monzino IRCCS、IRCCS Policlinico San Donato。研究将纳入180例年龄>18岁因MINOCA住院的患者,按1:1随机分配至“精准医学方法”组,包括全面的诊断检查、循环生物标志物和microRNA表达谱分析以及针对潜在病因的药物治疗,对比“标准方法”组,包括常规诊断检查和标准药物治疗。

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