急性胸痛早期评估的前瞻性多中心研究
该数据集来自clinicaltrials.gov，属于循环系统疾病/其他分类，聚焦急性胸痛早期评估。研究于2019年11月1日至2021年10月31日在中国九家大型三级医院胸痛中心纳入急性胸痛患者，所有患者均签署知情同意书
基本信息
资源简介
急性胸痛早期评估的前瞻性多中心研究
该数据集来自clinicaltrials.gov，属于循环系统疾病/其他分类，聚焦急性胸痛早期评估。研究于2019年11月1日至2021年10月31日在中国九家大型三级医院胸痛中心纳入急性胸痛患者，所有患者均签署知情同意书。采集内容包括患者特征、就诊时首次生命体征、首次动脉血气、全血细胞计数、凝血标志物、血液生化结果、心肌损伤标志物、影像学检查及心电图，均在入院30分钟内完成，同时采集全血和血浆样本并储存于-80℃冰箱。数据可用于急性胸痛相关疾病的分类与早期评估研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：胸痛、急性主动脉夹层、肺栓塞、1型急性心肌梗死、急性冠脉综合征。在本研究中，急性胸痛（ACP）患者将于2019年11月1日至2021年10月31日期间从中国九家大型三级医院的胸痛中心选取。所有入选患者将签署知情同意书。患者特征、就诊时首次生命体征、首次动脉血气、全血细胞计数、凝血标志物、血液生化结果和心肌损伤标志物、影像学检查及心电图将在入院30分钟内采集。同时，将采集全血和血浆样本并储存于-80℃冰箱中。根据金标准检查或相关指南进行诊断后，患者将被收入不同科室接受标准
【主题与分类】
主题标签：Chest Pain、Acute Aortic Dissection、Pulmonary Embolism、Acute Myocardial Infarction Type 1、Acute Coronary Syndrome。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/NCT04122573
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/NCT04122573
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
疾病类型：胸痛、急性主动脉夹层、肺栓塞、1型急性心肌梗死、急性冠脉综合征。本研究将选取2019年11月1日至2021年10月31日期间在中国九家大型三级医院胸痛中心就诊的急性胸痛（ACP）患者。所有入选患者均将签署知情同意书。患者入院30分钟内将收集其临床特征、就诊时首次生命体征、首次动脉血气、全血细胞计数、凝血标志物、血液生化结果及心肌损伤标志物、影像学检查和心电图。同时，将采集全血和血浆样本并储存于-80℃冰箱中。根据金标准检查或相关指南确诊后，患者将收入不同科室接受标准治疗。将详细记录用药、手术操作及并发症情况。血浆和全血将用于检测与ACP早期评估相关的蛋白质组学和/或基因组学生物标志物。
利用新型蛋白质生物标志物和易于获取的临床指标筛选早期评估指标，并通过数据分析方法建立高风险ACP的评估模型。将采用接收者操作特征曲线下面积（AUROC）、净重分类改善指数（NRI）、综合判别改善指数（IDI）及决策曲线分析（DCA）来评估模型的预测能力。
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。
