β受体阻滞剂预防肝硬化门脉高压失代偿研究
该数据集来自 clinicaltrials.gov，主题为β受体阻滞剂预防肝硬化门脉高压失代偿的研究，覆盖门脉高压性胃病、食管静脉曲张、自发性细菌性腹膜炎、肝性脑病和腹水等肝硬化失代偿相关并发症
基本信息
资源简介
β受体阻滞剂预防肝硬化门脉高压失代偿研究
该数据集英文名为 Study on B-blockers to Prevent Decompensation of Cirrhosis With HTPortal，来源于 clinicaltrials.gov，主题为β受体阻滞剂预防肝硬化门脉高压失代偿的研究。数据集覆盖门脉高压性胃病、食管静脉曲张、自发性细菌性腹膜炎、肝性脑病和腹水等肝硬化失代偿相关并发症，在本站归入循环系统疾病 / 其他分类。源站将其描述为一项多中心、随机、双盲、安慰剂对照研究，用于评估β受体阻滞剂治疗在预防肝硬化伴门脉高压失代偿方面的有效性。该数据集围绕肝硬化门脉高压及其失代偿并发症的防治问题组织信息，可供关注肝病与循环系统交叉领域的研究者了解该临床研究的主题范围与基本设计特征。
【数据集背景】
肝硬化伴门脉高压可引发一系列失代偿事件，包括门脉高压性胃病、食管静脉曲张、自发性细菌性腹膜炎、肝性脑病和腹水。该数据集所对应的研究聚焦于使用β受体阻滞剂预防此类失代偿的发生，采用多中心、随机、双盲、安慰剂对照的设计，以评估治疗的有效性。研究主题同时涉及肝脏疾病与循环系统，因此在本站被归入循环系统疾病 / 其他分类。
【数据内容】
数据集的主题标签涵盖 Portal Hypertension Gastropathy、Esophageal Varices、Spontaneous Bacterial Peritonitis、Hepatic Encephalopathy 与 Ascites，即门脉高压性胃病、食管静脉曲张、自发性细菌性腹膜炎、肝性脑病和腹水。这些标签对应研究关注的肝硬化失代偿相关并发症。关于数据集内具体包含的变量、记录条数、字段结构等细节，源站未提供。
【采集与来源】
该数据集来自 clinicaltrials.gov。源站描述表明其对应一项多中心、随机、双盲、安慰剂对照的临床研究，研究目的是评估β受体阻滞剂治疗预防肝硬化伴门脉高压失代偿的有效性。关于采集时间、采集机构、样本量及具体采集流程，源站未提供。
【适用场景】
该数据集适用于了解β受体阻滞剂预防肝硬化门脉高压失代偿这一研究主题，可用于识别该研究涉及的并发症范围，包括门脉高压性胃病、食管静脉曲张、自发性细菌性腹膜炎、肝性脑病和腹水。也可作为肝病与循环系统交叉领域主题检索与分类参考。关于具体分析用途或临床决策支持等场景，源站未提供。
【使用方法】
源站未提供具体的使用方法说明，包括数据访问方式、字段说明、统计分析方法或操作步骤等。
【质量与限制】
该数据集来源于 clinicaltrials.gov，对应一项多中心、随机、双盲、安慰剂对照研究。关于数据完整性、准确性、样本代表性、随访时长及已知偏倚等质量信息，源站未提供。使用时应以源站描述为准，不宜超出所载主题范围进行推断。
【引用与许可】
源站未提供引用格式与许可条款信息。
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/NCT01059396
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：门静脉高压性胃病、食管静脉曲张、自发性细菌性腹膜炎、肝性脑病、腹水。这是一项多中心、随机、双盲、安慰剂对照研究，旨在评估使用β受体阻滞剂治疗以预防伴有门静脉高压的肝硬化失代偿的有效性。
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。
