ADPKD 肾去交感神经术 RDN-ADPKD 研究
RDN-ADPKD 研究来自 clinicaltrials.gov,聚焦常染色体显性多囊肾病(ADPKD)合并未控制高血压患者的肾去交感神经术(RDN)

基本信息
资源简介
ADPKD 肾去交感神经术 RDN-ADPKD 研究
RDN-ADPKD 研究来自 clinicaltrials.gov,聚焦常染色体显性多囊肾病(ADPKD)合并未控制高血压患者的肾去交感神经术(RDN)。ADPKD 是终末期肾病的主要病因之一,此类患者即使肾功能尚可也存在交感神经活性增高,可能独立于血压促进肾功能恶化。该试点研究旨在评估经导管 RDN 降低交感神经活性的安全性与有效性,此前仅有少量个案报道提示其可行。数据可用于高血压与肾病介入治疗相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Uncontrolled Hypertension, Autosomal Dominant Polycystic Kidney Disease, Renal Denervation. 1. 引言:血压(BP)升高是常染色体显性多囊肾病(ADPKD)患者的常见表现,而 ADPKD 是终末期肾病的主要病因之一。既往研究显示,合并高血压的 ADPKD 患者无论肾功能如何,其交感神经活性均增高。这是导致肾功能衰竭进展的致病机制之一,甚至独立于血压。近期临床研究表明,基于导管的侵入性肾去交感神经术(RDN)可降低交感神经活性。迄今为止,仅有两例单病例报告提示,对合并未控制高血压的 ADPKD 患者实施 RDN 是安全有效的。2. 研究目的:RDN-ADPKD 试点研究的目的是 demo
【主题与分类】
主题标签:Uncontrolled Hypertension、Renal Denervation。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/NCT05460169
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/NCT05460169
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
疾病情况:未控制的高血压、常染色体显性多囊肾病、肾去神经术。1. 引言:在常染色体显性多囊肾病(ADPKD)患者中,血压升高是常见现象,而ADPKD是导致终末期肾病的主要原因之一。先前研究显示,伴有ADPKD的高血压患者无论肾功能如何,其交感神经活动均增加。这是导致肾功能衰竭进展的发病机制之一,甚至独立于血压。近期临床研究表明,基于导管的侵入性肾去神经术(RDN)可降低交感神经活动。迄今为止,仅有两次单例报告提示,在未控制高血压的ADPKD患者中,RDN是一种安全有效的手术。2. 研究目的:RDN-ADPKD初步研究的目的是证明使用Paradise系统对伴有ADPKD的高血压患者进行RDN的有效性并记录其安全性。3. 研究设计:RDN-ADPKD是一项前瞻性、随机(1:1,中央随机化)、单中心、假设生成性的可行性研究。
患者被随机分为(即刻)I-RDN组和(延迟)D-RDN组。3个月后,D-RDN组患者将接受RDN手术,并继续随访36个月。因此,研究设计允许对整个研究组(在随访的同一时间点)以及I-RDN组与D-RDN组之间进行多项比较。4. 患者人群:44名伴有ADPKD的高血压患者被随机分配,其中22名患者分入I-RDN组,22名患者分入D-RDN组(3个月后接受RDN)。5. 主要终点:本初步研究的主要终点是整个研究组(无论接受即刻治疗[I-RDN组]还是延迟治疗[D-RDN组])在术后3个月时24小时动态收缩压较基线的变化。6. 访视与随访计划:两组均在术后13周(3个月)时评估主要目标。
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。




