UN运动员心源性猝死风险数据集
该数据集来自 clinicaltrials.gov,聚焦哥伦比亚国立大学波哥大校区运动队中 18 至 35 岁运动员的心源性猝死风险及其易感因素

基本信息
资源简介
UN运动员心源性猝死风险数据集
该数据集来自 clinicaltrials.gov,聚焦哥伦比亚国立大学波哥大校区运动队中 18 至 35 岁运动员的心源性猝死风险及其易感因素。数据覆盖心源性猝死、心电图 QT 间期延长、运动员心脏和运动损伤等主题,包含 12 导联心电图特征及风险因素信息。可用于分析运动员猝死风险流行率、识别相关易感因素,并支持基于心电图和风险因素的风险分类研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:死亡、心源性猝死、心电图 QT 间期延长、运动员心脏、运动损伤。方法学框架研究问题:哥伦比亚国立大学波哥大校区运动队中 18 至 35 岁运动员的猝死风险流行率及其易感因素是什么?总体目标:确定哥伦比亚国立大学波哥大校区运动队中 18 至 35 岁运动员的猝死风险流行率及其易感因素。具体目标:1. 基于 12 导联心电图电活动特征描述运动队运动员的特征;2. 确定 UNAL 运动队运动员中与猝死相关的易感风险因素;3. 确定猝死风险与相关易感因素之间的关系
【主题与分类】
主题标签:Death, Sudden, Cardiac、Electrocardiogram QT Prolonged、Athlete Heart、Athletic Injuries。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06518252
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/NCT06518252
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
条件:死亡、心源性猝死、心电图QT间期延长、运动员心脏、运动损伤。方法学框架 研究问题:哥伦比亚国立大学波哥大校区运动队中年龄在18至35岁之间的运动员,其猝死风险的患病率及其易感因素是什么?总体目标:确定哥伦比亚国立大学波哥大校区运动队中年龄在18至35岁之间的运动员猝死风险的患病率及其易感因素。具体目标:1. 基于12导联心电图电生理活动对运动队运动员进行特征描述;2. 确定与UNAL运动队运动员猝死相关的易感风险因素;3. 确定猝死风险与心血管风险相关易感因素、病史以及训练负荷、强度和量之间的关系。工作假设。H1:在受评估的运动员中,猝死风险的患病率将等于或高于文献报道的水平。
H0:研究中发现的猝死风险将低于文献报道的水平。统计假设。H1:运动员相比非运动员的猝死风险高3%至5%。H0:运动员相比非运动员的猝死风险低于3%。研究项目招募与传播号召。将采用内部参与模式,通过滚雪球抽样方法,针对UNAL运动队成员开展参与者招募流程。心电图采集方案。将采用12导联心电图(ECG)检查来检测运动员猝死风险,该检查被SEC和AHA视为金标准。共有6个胸导联和4个肢体导联,包括上肢和下肢。负责心电图采集者为主要研究者,其已完成关于E的完整课程
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。




