非选择性β受体阻滞剂对伴腹水晚期肝病疗效研究
该数据集来自 clinicaltrials.gov,聚焦非选择性β受体阻滞剂在伴腹水晚期肝病中的疗效研究,主题标签为 Ascites

基本信息
资源简介
非选择性β受体阻滞剂对伴腹水晚期肝病疗效研究
该数据集来自 clinicaltrials.gov,聚焦非选择性β受体阻滞剂在伴腹水晚期肝病中的疗效研究,主题标签为 Ascites。源站描述指出,肝硬化是印度及全球主要死因,病因包括酒精性肝病、丙型肝炎以及近年增多的非酒精性脂肪性肝病(NAFLD)和非酒精性脂肪性肝炎(NASH)。随着肝硬化进展,门静脉高压可导致腹水、肝性脑病和静脉曲张出血等并发症,其中腹水最常见,诊断后十年内发生于50-60%患者。腹水出现提示预后不良,1年内15%、5年内44%患者死亡;难治性腹水不足10%,中位生存约6个月。该数据可用于相关预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Ascites。肝硬化是印度及全球的主要死因,发达世界的主要病因包括酒精性肝病、丙型肝炎,以及近年来的非酒精性脂肪性肝病(NAFLD)、非酒精性脂肪性肝炎(NASH)。随着肝硬化进展,门静脉高压形成,导致腹水、肝性脑病和静脉曲张出血等并发症。腹水是肝硬化最常见的主要并发症,在诊断后十年内发生于50-60%的患者。腹水的出现是疾病进展的不祥标志,因为15%的腹水患者将在1年内死亡,44%将在5年内死亡。不到10%的患者发展为难治性腹水,且与不良预后和高死亡率相关,约50%在6个月内死亡,75%在1年内死亡,中位生存期约6个月
【主题与分类】
主题标签:Ascites。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/NCT02649335
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/NCT02649335
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
病症:腹水。肝硬化是印度及全球范围内的主要死因,在发达国家,其主要病因包括酒精性肝病、丙型肝炎,以及近年来日益增多的非酒精性脂肪性肝病(NAFLD)和非酒精性脂肪性肝炎(NASH)。随着肝硬化进展,门静脉高压形成,导致腹水、肝性脑病和静脉曲张出血等并发症。腹水是肝硬化最常见的严重并发症,在诊断后十年内发生于50-60%的患者中。腹水的出现是疾病进展的不良标志,因为15%的腹水患者将在1年内死亡,44%将在5年内死亡。不到10%的患者会发展为顽固性腹水,这与预后不良和高死亡率相关,约50%在6个月内死亡,75%在1年内死亡,中位生存期约为6个月。顽固性腹水的发生源于内脏血管扩张以及交感神经系统(SNS)和肾素-醛固酮系统(RAAS)的最大程度激活。
这些患者可用的治疗选择包括连续治疗性腹腔穿刺放液、肝移植和经颈静脉肝内门体分流术。终末期肝病模型(MELD)评分可预测肝硬化患者的生存情况。然而,肝硬化合并腹水患者的其他因素也与不良预后相关,包括平均动脉压偏低、血清钠偏低、尿钠偏低以及Child-Pugh评分较高。静脉曲张出血是肝硬化最令人担忧的并发症,建议对这些患者进行内镜筛查。约60%的失代偿期肝硬化患者在诊断时已存在静脉曲张。这些患者中的大多数将需要非选择性β受体阻滞剂(NSBB)作为标准治疗,用于一级或二级预防,以防止静脉曲张出血。NSBB通过降低心输出量和引起内脏血管收缩来降低门静脉压力。
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。




