秋水仙碱对心脏手术后心房颤动发生的影响
该数据集源自 clinicaltrials.gov,为一项观察性、分析性、队列、前瞻性研究,聚焦冠状动脉疾病、心房颤动、冠状动脉旁路移植术与秋水仙碱

基本信息
资源简介
秋水仙碱对心脏手术后心房颤动发生的影响
该数据集源自 clinicaltrials.gov,为一项观察性、分析性、队列、前瞻性研究,聚焦冠状动脉疾病、心房颤动、冠状动脉旁路移植术与秋水仙碱。研究目的是开发心脏手术患者住院阶段围术期预防心房颤动发作的综合新方法,具体目标包括评估影响术后早期心房颤动发生的危险因素,以及比较不同治疗方法降低术后早期心房颤动发作风险的效果。计划对接受体外循环冠状动脉旁路移植术的冠状动脉疾病患者开展队列前瞻性观察,研究持续时间为1.5年。数据可用于心房颤动风险因素分析与预防策略比较(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:冠状动脉疾病、心房颤动、冠状动脉旁路移植术、秋水仙碱。研究类型:观察性、分析性、队列、前瞻性。目的:开发一种新的综合方法,用于心脏手术患者住院阶段围术期预防心房颤动发作。目标:1. 评估影响术后早期心房颤动发生的危险因素;2. 对多种治疗方法进行比较分析,以降低心脏手术患者术后早期心房颤动发作的风险。为解决既定任务,计划对接受体外循环冠状动脉旁路移植术的冠状动脉疾病患者进行队列前瞻性观察研究。研究持续时间——1.5年。观察
【主题与分类】
主题标签:Coronary Artery Disease、Atrial Fibrillation、Coronary Artery Bypass Grafting、Colchicine。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/NCT06798714
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/NCT06798714
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:冠状动脉疾病、心房颤动、冠状动脉旁路移植术、秋水仙碱。研究类型:观察性、分析性、队列、前瞻性。目的:开发一种新的综合方法,用于心脏外科患者在医院阶段围手术期预防心房颤动发作。目标:1. 评估影响术后早期心房颤动发展的危险因素;2. 对多种治疗方法进行比较分析,以降低心脏外科患者术后早期心房颤动发作的风险。为解决既定任务,计划对接受体外循环冠状动脉旁路移植术的冠状动脉疾病患者进行一项队列前瞻性观察研究。研究持续时间——1.5年。患者的观察期为CABG术后住院期间。该研究计划纳入140名诊断为冠状动脉心脏病的患者。诊断将基于病历和冠状动脉造影确立。
CABG手术的适应症将由会诊心脏外科医生根据俄罗斯联邦卫生部现行临床指南《稳定性缺血性心脏病》(2020年)确定。患者年龄应超过18岁。计划招募70名患者,这些患者将在冠状动脉旁路移植术中采用原创技术(俄罗斯联邦专利号2647626 C1)进行心包开窗术,并在围手术期被处方秋水仙碱(药物“Colchicum-dispert”),以预防术后心房颤动阵发性发作的发生;另招募70名采用标准技术手术的心脏外科患者(术中未施行心包开窗术),在术后接受非甾体抗炎药治疗。术后将使用双氯芬酸作为非甾体抗炎药,每日剂量为
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。




