院前急救人员卒中分诊优化研究
该数据集来自 clinicaltrials.gov，为多中心、多区域队列研究，纳入约3000例卒中代码患者。研究在患者到院前填写包含可重建既往发表卒中量表条目的申请表，并将申请数据与同一患者的院内数据关联，数据耦合通过可信第三方完成
基本信息
资源简介
院前急救人员卒中分诊优化研究
该数据集英文名为 Stroke Triage Optimization by Ambulance Paramedics in the Pre-hospital Setting，来源于 clinicaltrials.gov，本站归类于循环系统疾病 / 其他。它是一项多中心、多区域队列研究，纳入约3000例卒中代码患者。研究在患者到院前填写一份申请表，表中条目可用于重建所有既往发表的卒中量表；申请数据随后与同一患者的院内数据关联，数据耦合通过可信第三方完成。该数据集围绕急性卒中、院前分诊、卒中治疗与卒中代码等主题，面向院前急救人员对卒中的分诊优化研究。
【数据集背景】
该数据集关注的场景是院前急救环境下的卒中分诊优化，涉及急性卒中、院前分诊、卒中治疗和卒中代码等主题。研究设计为多中心、多区域队列研究，纳入约3000例卒中代码患者。其基本思路是在患者到达医院之前由急救人员填写申请表，采集能够重建既往发表卒中量表所需的信息，再将这些院前信息与同一患者的院内数据建立关联，从而支持对院前分诊与院内诊疗之间关系的研究。
【数据内容】
数据内容主要包括两部分。第一部分是患者到院前填写的申请表数据，表中包含的条目能够重建所有既往发表的卒中量表，因此可据此还原多种卒中评估量表的评分信息。第二部分是同一患者的院内数据。两部分数据通过可信第三方进行耦合关联。源站描述中列出的条件与主题标签包括 Stroke, Acute、Pre-hospital Triage、Stroke Treatment 和 Stroke Code。除上述内容外，源站未提供更细的字段清单、变量类型或数据规模明细。
【采集与来源】
数据来源为 clinicaltrials.gov 登记的研究。采集方式是在患者到院前由急救人员填写申请表，采集时点为院前阶段；随后将申请表数据与院内数据关联。为完成数据耦合，研究使用可信第三方。研究覆盖多个中心和多个区域，纳入约3000例卒中代码患者。源站未提供具体的中心数量、区域范围、招募时间窗以及抽样与入组排除标准。
【适用场景】
该数据集适用于院前卒中分诊相关研究，例如利用可重建的卒中量表信息分析院前评估与院内数据之间的关系，支持卒中代码患者的院前分诊优化研究，以及围绕急性卒中院前识别与转运决策的方法学研究。由于数据同时包含院前申请表信息与院内数据，也可用于比较不同卒中量表在院前场景下的重建与应用。源站未提供具体的适用分析类型或已验证的应用案例。
【使用方法】
使用该数据集时，可依据申请表中能够重建既往发表卒中量表的条目，还原相应的量表评分，再与经可信第三方耦合的同一患者院内数据进行关联分析。由于数据耦合通过可信第三方完成，使用者在获取与关联数据时需遵循该耦合机制。源站未提供具体的数据访问流程、变量字典、分析代码或操作指南。
【质量与限制】
该研究为多中心、多区域队列研究，纳入约3000例卒中代码患者，数据耦合通过可信第三方完成，这些设计有助于保障数据的关联性与覆盖面。源站未提供数据完整性、缺失率、量表的信效度验证结果、随访时长以及偏倚控制等质量指标。源站也未提供数据的具体限制说明，相关质量与限制信息源站未提供。
【引用与许可】
源站未提供引用格式与许可条款。该数据集登记于 clinicaltrials.gov，使用时建议核对源站的登记信息与相关使用要求；具体引用方式与许可条件源站未提供。
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/NCT06332989
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、急性、院前分诊、卒中治疗、卒中代码。这是一项多中心、多区域的队列研究，纳入约3000名卒中代码患者。所有患者在到院前均需填写一份申请表，其中包含能够重建所有已发表的卒中量表的项目。申请表数据将与同一患者的院内数据相关联。为此，我们将使用可信第三方进行数据耦合。
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。
