在慢性冠脉综合征患者中,低剂量阿司匹林联合利伐沙班是否更优?
该数据集来自 clinicaltrials.gov,主题为在慢性冠脉综合征患者中评估低剂量阿司匹林联合利伐沙班是否更优。数据涉及 South Yorkshire Cardiothoracic Centre 的记录筛选及临床团队转介的潜在参与者招募信息,包括邮寄邀请函、参与者信息表和回复单,以及电话联

基本信息
资源简介
在慢性冠脉综合征患者中,低剂量阿司匹林联合利伐沙班是否更优?
该数据集来自 clinicaltrials.gov,主题为在慢性冠脉综合征患者中评估低剂量阿司匹林联合利伐沙班是否更优。数据涉及 South Yorkshire Cardiothoracic Centre 的记录筛选及临床团队转介的潜在参与者招募信息,包括邮寄邀请函、参与者信息表和回复单,以及电话联系等方式。可用于了解该研究的招募流程与受试者识别途径,支持相关临床研究设计参考(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:冠脉综合征。招募:潜在参与者将通过审查 South Yorkshire Cardiothoracic Centre 的记录和/或由其临床团队转介来识别。具体而言,参与者可能通过以下方式被接触:1. 通过邮寄发送邀请函,并附上一份参与者信息表。将有一张回复单,他们可以通过邮寄返回,并且会有研究团队的联系方式(电话和电子邮件),以便他们也可以通过这些方式回复。2. 直接通过电话。在这种情况下,如果他们愿意了解更多信息,将根据其偏好通过邮寄或电子邮件发送邀请函、参与者信息表和回复单的副本。如果他们同意参加研究筛选,他们将通过返回回复单告知研究团队。
【主题与分类】
主题标签:Coronary Syndrome。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/NCT04990791
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/NCT04990791
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:冠状动脉综合征。招募 潜在参与者将通过查阅南约克郡心胸中心的记录和/或由其临床团队转介来确定。具体而言,可通过以下方式接触参与者:1. 通过邮寄发送邀请信,并附上一份参与者信息表。信中包含一份可通过邮寄返回的回复单,以及研究团队的联系方式(电话和电子邮件),以便他们也能通过这些方式回应。2. 直接通过电话联系。在这种情况下,如果他们愿意了解更多信息,将根据其偏好通过邮寄或电子邮件发送邀请信、参与者信息表和回复单的副本。如果他们同意参加研究筛选,他们将通过邮寄或电子邮件返回回复单,或使用提供给他们的联系方式直接联系研究团队,以此告知研究团队。3. 在谢菲尔德教学医院NHS基金会信托的心内科和心胸外科部门的诊所内,经其临床团队转介后直接接触。
在这种情况下,他们将获得一份参与者信息表的副本;如果在门诊访视期间无法决定是否愿意前来进行筛选,将向其提供研究团队的联系方式,以便其作出答复。随后,研究团队将联系有兴趣参与研究的潜在参与者,预约筛选时间。筛选 筛选将在第1次访视时进行。在获得研究书面知情同意后,将进行以下研究程序:* 病史 * 体格检查 * 收集人口学数据 * 生命体征(脉搏、血压和体温)。* 身高、体重和BMI * 记录任何合并用药 * 安全性血液检查(采集13.5 ml血样用于血液学、临床化学和凝血
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。




