比利时感染性心内膜炎登记研究
比利时感染性心内膜炎登记研究是一项前瞻性观察性登记研究，纳入确诊感染性心内膜炎的患者，系统采集入组后一年、三年和五年的长期结局数据，包括死亡率及IE相关并发症（如血栓栓塞事件、心力衰竭住院、瓣膜手术和IE复发）
基本信息
资源简介
比利时感染性心内膜炎登记研究
是一项前瞻性观察性登记研究，纳入确诊感染性心内膜炎的患者，系统采集入组后一年、三年和五年的长期结局数据，包括死亡率及感染性心内膜炎相关并发症，如血栓栓塞事件、心力衰竭住院、瓣膜手术和疾病复发。该登记研究同时记录患者的流行病学特征、基线临床表现、生化与微生物学资料、相关合并症与危险因素、诊断策略以及治疗干预措施，涵盖抗菌治疗与外科手术，旨在为感染性心内膜炎的长期预后与临床管理提供系统化的观察数据。
【数据集背景】
感染性心内膜炎是一种累及心脏瓣膜与心内膜的感染性疾病，其临床过程复杂，常伴随血栓栓塞、心力衰竭等严重并发症，并与瓣膜手术需求和疾病复发风险相关。该登记研究以确诊感染性心内膜炎的患者为研究对象，采用前瞻性观察性设计，目标在于系统研究此类患者群体，并收集全面的长期结局数据。研究关注的结局时间点为入组后一年、三年和五年，重点包括死亡率以及感染性心内膜炎相关并发症，例如血栓栓塞事件、心力衰竭住院、瓣膜手术和感染性心内膜炎复发。通过长期随访，该登记研究力图呈现患者在诊断、治疗与远期转归方面的整体图景。
【数据内容】
该登记研究采集的数据覆盖多个维度。在结局层面，记录入组后一年、三年和五年的死亡率及感染性心内膜炎相关并发症，包括血栓栓塞事件、心力衰竭住院、瓣膜手术和感染性心内膜炎复发。在基线层面，记录患者的流行病学特征与临床表现为，以及生化与微生物学资料。此外，还记录相关合并症与危险因素、诊断策略，以及治疗干预措施，包括抗菌治疗和外科手术。上述内容共同构成对感染性心内膜炎患者从基线特征到长期结局的综合描述。
【采集与来源】
该数据集来源于 clinicaltrials.gov，主题标签为感染性心内膜炎。研究类型为前瞻性观察性登记研究，研究对象为确诊感染性心内膜炎的患者。数据采集围绕入组时的基线信息以及入组后一年、三年和五年的随访结局展开。源站未提供具体的采集流程、随访执行方式与数据管理细节。
【适用场景】
基于其前瞻性观察性设计与长期结局随访特征，该登记研究数据可用于描述感染性心内膜炎患者的流行病学特征、基线临床表现、生化与微生物学概况、合并症与危险因素分布，以及诊断策略与治疗干预（包括抗菌治疗与外科手术）的实际情形。其长期结局数据涵盖死亡率、血栓栓塞事件、心力衰竭住院、瓣膜手术和感染性心内膜炎复发，适合用于观察上述结局在一年、三年和五年时间尺度上的发生情况。本站将其归类于循环系统疾病 / 心力衰竭方向，与其对心力衰竭住院等心脏相关结局的关注相契合。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/NCT06745440
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：感染性心内膜炎。本前瞻性观察性登记研究旨在研究诊断为感染性心内膜炎（IE）的患者，并收集全面的长期结局数据，包括入组后1年、3年和5年的死亡率及IE相关并发症（如血栓栓塞事件、（因）心力衰竭（住院）、瓣膜手术和IE复发）。此外，该登记研究还将记录流行病学特征、基线临床表现、生化和微生物学特征、相关合并症和危险因素、诊断策略以及治疗干预措施，包括抗微生物治疗和外科手术。
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。
