STROKE STAT:基于卒中严重程度的分诊加速治疗
STROKE STAT 是来自 clinicaltrials.gov 的卒中质量改进研究数据集,聚焦阿拉巴马州公共卫生部实施的创伤通信中心协调的基于严重程度卒中分诊(TCC Coordinated SBST)举措

基本信息
资源简介
STROKE STAT:基于卒中严重程度的分诊加速治疗
STROKE STAT 是来自 clinicaltrials.gov 的卒中质量改进研究数据集,聚焦阿拉巴马州公共卫生部实施的创伤通信中心协调的基于严重程度卒中分诊(TCC Coordinated SBST)举措。数据覆盖疑似大血管闭塞(LVO)的急诊医疗服务(EMS)患者,比较举措实施前后接受机械取栓(MT)的比例,并评估该举措的广泛公共卫生影响及利益相关者认知。可用于研究卒中分诊体系对救治可及性与健康结局的作用(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:卒中。阿拉巴马州公共卫生部(ADPH)正在实施一项质量改进举措,即由创伤通信中心协调的基于严重程度的分诊(TCC Coordinated SBST),旨在通过协调院前和院际紧急卒中救治,转变碎片化的急性卒中救治体系。研究者将研究该举措的实施情况及其对救治可及性和健康结局的影响。我们的具体目标是:(1)比较在TCC Coordinated SBST实施前(遵循分诊至最近卒中中心的标准)和实施后,急诊医疗服务(EMS)遇到的疑似大血管闭塞(LVO)患者中接受机械取栓(MT)治疗的比例;(2)评估TCC Coordinated SBST的广泛公共卫生影响;(3)评估利益相关者的认知。
【主题与分类】
主题标签:Stroke。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04978480
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/NCT04978480
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:卒中。阿拉巴马州公共卫生部(ADPH)正在实施一项质量改进计划,即创伤通信中心协调的基于严重程度的卒中分诊(TCC Coordinated SBST),旨在通过协调院前和院际急诊卒中救治,转变碎片化的急性卒中救治体系。研究人员将研究该计划的实施情况及其对救治可及性和健康结局的影响。我们的具体目标是:(1)比较在TCC Coordinated SBST实施前后,急诊医疗服务(EMS)遇到的疑似大血管闭塞(LVO)患者中接受机械取栓(MT)治疗的比例(实施前遵循就近卒中中心的标准分诊);(2)评估TCC Coordinated SBST的广泛公共卫生影响;(3)评估利益相关者对该干预措施的认知。阿拉巴马州卒中体系的核心是阿拉巴马创伤通信中心(ATCC),24名护理人员通信员在此接听EMS来电,并维护全州医院和资源的实时状态。
EMS提供者通过致电ATCC将所有疑似卒中患者纳入阿拉巴马州卒中系统。ATCC与其他紧急通信中心一样,不参与初始紧急医疗调度,而是根据医院资源可用情况协助EMS将患者转运至最近的卒中系统医院,并通知接收医院。随着该卒中系统必要组成部分的变化,ADPH正在增加血栓切除术能力卒中中心(MTCs)的认定,在全州范围内开展经过验证的6项卒中严重程度量表——紧急医疗卒中评估(EMSA)的EMS培训,并扩大数据收集范围,以获取全州卒中系统数据,包括院前EMSA项目(凝视、面部下垂、手臂漂移、腿部漂移、命名和复述)以及医院数据,包括是否存在LVO(大血管闭塞)
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




