随机分配至研究LSH-10-001对照组患者的开放标签滚动试验
本数据集来自clinicaltrials.gov,属于循环系统疾病/心力衰竭领域,聚焦扩张型心肌病(含缺血性与非缺血性)患者

基本信息
资源简介
随机分配至研究LSH-10-001对照组患者的开放标签滚动试验
本数据集来自clinicaltrials.gov,属于循环系统疾病/心力衰竭领域,聚焦扩张型心肌病(含缺血性与非缺血性)患者。内容为一项前瞻性、开放标签试验,评估Algisyl-LVR的安全性与有效性,主要疗效指标为6个月时的Peak VO2(研究者盲法评估),主要安全性终点为30天全因死亡率,并在6个月和12个月评估功能性、结构性、生化及心电图等指标及不良事件。可用于心力衰竭与扩张型心肌病相关器械干预研究及预后分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:心力衰竭、心肌病、扩张型心肌病。这是一项前瞻性、开放标签的评估,旨在评价Algisyl-LVR在缺血性或非缺血性起源的扩张型心肌病患者中的安全性和有效性。6个月时主要疗效指标(Peak VO2)的评估将采用研究者盲法。主要安全性终点虽非盲法,但为30天全因死亡率和客观评估。其余研究终点将通过6个月和12个月时的功能性、结构性、生化和心电图评估来评价该器械的效果。不良事件评估及这些评估也将为该器械在扩张型心肌病患者中的安全性特征提供证据。入组前基线患者评估将包括临床评估、纽约心
【主题与分类】
主题标签:Heart Failure、Cardiomyopathy、Dilated Cardiomyopathy。本站分类:循环系统疾病/心力衰竭。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02226679
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/NCT02226679
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
疾病:心力衰竭、心肌病、扩张型心肌病。这是一项前瞻性、开放标签的评估,旨在评价Algisyl-LVR在缺血性或非缺血性起源的扩张型心肌病患者中的安全性和有效性。6个月时主要疗效指标(峰值VO2)的评估将采用研究者盲法。主要安全性终点虽非盲法,但为30天全因死亡率和客观评估。其余研究终点将通过6个月和12个月时的功能性、结构性、生化学和心电图评估来评价该器械的效果。不良事件评估及这些评估也将为该器械在扩张型心肌病患者中的安全性特征提供证据。入组前的基线患者评估将包括临床评估、纽约心脏协会(NYHA)功能分级评估、血液检查、经胸超声心动图、MRI、心电图、心肺运动试验(CPX)、次极量运动试验和生活质量评估。
将对心肺运动试验和心脏影像学指标进行盲法中心评估。*注:当地的CPX和超声心动图测量结果将用于确定患者在峰值VO2值、射血分数以及经体表面积校正的左心室舒张末期内径(LVEDDi)方面的合格性。这些相同评估的中心实验室数值将用于本研究的所有统计分析。符合本研究条件的患者已在先导研究LSH-10-001的对照组中完成至少12个月的随访,并提供书面知情同意参加研究LSH-001。所有选择参加本滚动研究的患者均需提供书面知情同意以纳入研究LSH-11-001。在获得患者书面知情同意并核实合格性后,符合纳入和排除标准的患者可纳入
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。




