儿童二尖瓣反流中的血管紧张素转换酶抑制

该数据集来自clinicaltrials.gov,聚焦儿童二尖瓣反流(MR)合并先天性心脏缺陷、室间隔缺损及充血性心力衰竭

University of UtahUniversity of Utah
clinicaltrials
浏览 11
其他预测Heart Defects, CongenitalHeart Septal Defects, VentricularHeart Failure, Congestive
Angiotensin Converting Enzyme Inhibition in Children With Mitral Regurgitation

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-12

资源简介

儿童二尖瓣反流中的血管紧张素转换酶抑制

该数据集来自clinicaltrials.gov,聚焦儿童二尖瓣反流(MR)合并先天性心脏缺陷、室间隔缺损及充血性心力衰竭。研究包含随机双盲安慰剂对照试验,评估ACE-I治疗对18岁以下、AVSD修复术后至少6个月且存在中度以上MR儿童的效果;另设非随机观察阶段,纳入181名AVSD修复术后不足6个月的儿童。数据可用于分析ACE-I对儿童MR的疗效预测、术后心功能变化及心力衰竭相关结局(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):病症:先天性心脏缺陷、室间隔缺损、心力衰竭、充血性。背景:二尖瓣反流(MR)导致左心室容量超负荷和血流动力学负担。初始代偿机制可能失效,导致病情加重。选择已接受房室间隔缺损(AVSD)修复的患者参与本研究,因为这类患者中度MR发生率相对较高,且其反流口可移动且动态变化,增加了他们对药物治疗产生应答的可能性。设计叙述:这是一项随机、双盲、安慰剂对照试验,评估ACE-I治疗在18岁以下、AVSD修复术后至少6个月且存在至少中度MR的儿童中的效果。一个非随机观察阶段纳入了181名AVSD修复术后不足6个月的儿童,他们

【主题与分类】

主题标签:Heart Defects, Congenital、Heart Septal Defects, Ventricular、Heart Failure, Congestive。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/NCT00113698

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT00113698

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

疾病:先天性心脏缺陷、室间隔缺损、心力衰竭、充血性。背景:二尖瓣反流导致左心室容量负荷过重和血流动力学负担。初始代偿机制可能失效,导致病情加重。选择已修复房室间隔缺损的患者参与本研究,因为他们中度二尖瓣反流的发生率相对较高,且其反流口是可移动和动态的,这增加了他们对药物治疗可能有反应的可能性。设计叙述:这是一项随机、双盲、安慰剂对照试验,旨在评估ACE-I治疗在年龄小于18岁、至少存在中度二尖瓣反流、且房室间隔缺损修复术后至少6个月的儿童中的效果。一个非随机的观察阶段纳入了181名房室间隔缺损修复术后不足6个月的儿童,随后在6个月时评估其是否符合试验资格。

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。

获取专属数据定制方案