利用高敏肌钙蛋白在就诊时快速或超快速诊断心肌梗死
该数据集来自 clinicaltrials.gov,聚焦于利用高敏肌钙蛋白(hs-cTn)在患者就诊时快速或超快速诊断心肌梗死

基本信息
资源简介
利用高敏肌钙蛋白在就诊时快速或超快速诊断心肌梗死
该数据集来自 clinicaltrials.gov,聚焦于利用高敏肌钙蛋白(hs-cTn)在患者就诊时快速或超快速诊断心肌梗死。覆盖病种包括急性冠脉综合征、心肌梗死、冠状动脉疾病及心血管疾病。源站描述指出,丹麦每年约 80,000 人因胸痛就诊,其中约 25,000 人住院、约 8,000 人确诊急性心肌梗死;hs-cTn 是诊断心肌梗死的核心生物标志物,由于诊断需结合肌钙蛋白浓度及其随时间的变化,需连续采血以区分急性心肌损伤与慢性升高,而 hs-cTn 检测灵敏度的提升使连续采血间隔不断缩短。该数据可用于心肌梗死快速诊断路径、hs-cTn 检测策略及急性胸痛分诊等相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:急性冠脉综合征、心肌梗死、冠状动脉疾病、心血管疾病、急性心血管疾病。每年,大约有 80,000 人因胸痛到丹麦医疗系统就诊。其中,约 25,000 人住院,约 8,000 人被诊断为急性心肌梗死。高敏肌钙蛋白(hs-cTn)是诊断心肌梗死的核心生物标志物,对于急性冠脉综合征的快速纳入和排除至关重要。由于心肌梗死的诊断不仅依赖于肌钙蛋白浓度,还依赖于肌钙蛋白水平随时间的变化,因此需要连续采血以区分急性心肌损伤与慢性升高。hs-cTn 检测灵敏度的进步使得连续采血之间的间隔逐渐缩短。
【主题与分类】
主题标签:Coronary Syndrome, Acute、Myocardial Infarction、Coronary Artery Disease、Cardiovascular Diseases、Cardiovascular Disease Acute。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/NCT07727135
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/NCT07727135
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
病症:急性冠脉综合征、心肌梗死、冠状动脉疾病、心血管疾病、急性心血管疾病。每年,约有80,000人因胸痛就诊于丹麦医疗系统。其中,约25,000人需住院治疗,大约8,000人被诊断为急性心肌梗死。高敏心肌肌钙蛋白(hs-cTn)是诊断心肌梗死的基石生物标志物,对于急性冠脉综合征的快速纳入和排除至关重要。由于心肌梗死的诊断不仅依赖于肌钙蛋白浓度,还取决于肌钙蛋白水平随时间的变化,因此需要通过连续采血来区分急性心肌损伤与慢性升高。高敏心肌肌钙蛋白检测灵敏度的进步使得连续采血之间的间隔逐渐缩短。传统上,大多数急诊科采用0/3小时算法,即在就诊时及3小时后再次测量hs-cTn。然而,现代欧洲指南推荐使用0/1小时或0/2小时算法的加速诊断路径。
DanRUSH试验的主要目的是确定将连续hs-cTn检测间隔从3小时缩短至1小时,在疑似急性冠脉综合征成人患者中是否既安全又有效。主要安全性终点定义为出院后新发(漏诊或再发)心肌梗死或心血管死亡的风险——即0/1小时算法与0/3小时算法的比较。有效性将通过住院时间(定义为从就诊至出院的时间)进行评估。该研究旨在证明0/1小时算法在安全性方面不劣于0/3小时算法,同时通过缩短住院时间提高效率。该研究设计为一项全国性、实用性、开放标签、阶梯楔形整群随机试验。丹麦参与研究的急诊科和心内科将依次随机过渡
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。




