SEARCH验证:一种定义肺栓塞后长期结局的新型分层算法
该数据集来自clinicaltrials.gov,聚焦急性肺栓塞(PE)患者随访后的长期结局判定。数据可用于验证SEARCH分层算法的分类一致性,并支持肺栓塞后长期结局的判定研究(来源 clinicaltrials.gov)

基本信息
资源简介
SEARCH验证:一种定义肺栓塞后长期结局的新型分层算法
该数据集来自clinicaltrials.gov,聚焦急性肺栓塞(PE)患者随访后的长期结局判定。研究在UCAPE肺栓塞门诊网络中,由至少三名评估者依据SEARCH标准,将发病至少三个月后的患者独立归入诊断终点节点,涉及Pulmonary Embolism与Chronic Thromboembolic Pulmonary Hypertension。数据可用于验证SEARCH分层算法的分类一致性,并支持肺栓塞后长期结局的判定研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:Pulmonary Embolism、Chronic Thromboembolic Pulmonary Hypertension。研究设计:急性肺栓塞(PE)患者在参与研究的University of California Alliance on Pulmonary Embolism(UCAPE)肺栓塞门诊接受随访照护,遵循UCAPE网络内医师事先商定的照护标准。急性PE发病至少三个月后,患者医师在在线会议上呈现病例摘要,不披露受保护健康信息或其他身份识别信息。六名指定评估者依据SEARCH标准独立将每名患者归入一个诊断终点节点。SEARCH标准(阳性=至少满足一项标准)症状:* 访谈前两周内特定日期的改良医学研究委员会(mMRC)评分为一分或以上
【主题与分类】
主题标签:Pulmonary Embolism。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/NCT05568927
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/NCT05568927
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:肺栓塞、慢性血栓栓塞性肺动脉高压。研究设计:急性肺栓塞(PE)患者在接受随访的加州大学肺栓塞联盟(UCAPE)肺栓塞门诊,按照UCAPE网络内医师先前达成共识的诊疗标准接受随访照护。急性PE发病至少三个月后,患者的主治医师在线上会议中呈报病例摘要,不披露受保护的健康信息或其他可识别身份的信息。六名指定评估者依据SEARCH标准独立将每名患者归入某一诊断终点节点。SEARCH标准(阳性=至少符合一项标准)症状 * 访谈前两周内某一特定日的改良医学研究委员会(mMRC)评分,较其回忆的PE前两周内某一特定日评分高出一分或以上。 * 患者感觉未完全恢复至PE前所存在的水平(例如
运动能力耐受性降低),无论访谈时及肺栓塞前的mMRC评分如何。数据不足:在第一次(3个月后)评估时,若无法确定与急性肺栓塞前状况相比的呼吸舒适度和运动耐受性,则将“S”参数标记为“数据不足”。该患者被排除在第一次主要结局和次要结局分析之外。在第二次(随后6个月)评估时,若无法确定与急性肺栓塞前状况相比的呼吸舒适度和运动耐受性,则将“S”参数标记为“数据不足”。该患者被排除在第二次主要结局和次要结局分析之外。若患者在第一次与第二次评估之间死于肺栓塞或肺血管疾病,则该患者被排除在第二次主要结局分析之外,但纳入第二次
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。




