晚期心力衰竭中的心脏恶病质
该数据集来自 clinicaltrials.gov,聚焦晚期心力衰竭合并心脏恶病质(Cardiac Cachexia, CC)这一复杂代谢综合征

基本信息
资源简介
晚期心力衰竭中的心脏恶病质
该数据集来自 clinicaltrials.gov,聚焦晚期心力衰竭合并心脏恶病质(Cardiac Cachexia, CC)这一复杂代谢综合征。数据覆盖以非自愿体重下降为核心临床特征的人群,涉及厌食、炎症、胰岛素抵抗及肌肉蛋白分解增加等关联表现。可用于研究心脏恶病质在心力衰竭中的识别、诊断与治疗现状,并支持对其患病率(文献报道10%–37%)及不良预后(如18个月随访死亡率50%)的进一步分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:晚期心力衰竭、心脏恶病质、体重下降。心脏恶病质(CC)是一种与慢性心力衰竭相关的复杂代谢综合征,其特征为肌肉丢失,伴或不伴脂肪丢失。CC的突出临床特征是成人非自愿性体重下降。厌食、炎症、胰岛素抵抗和肌肉蛋白分解增加常与消耗性疾病相关。恶病质与发病率增加相关,但很少被识别或诊断,也极少得到治疗。采用较旧的CC定义,既往研究发现其存在与更差的总体预后相关(在一个普通心力衰竭患者队列中,18个月随访死亡率为50%)。根据所采用的定义不同,文献中描述的心力衰竭中CC的患病率在10%至37%之间不等。CC的发病机制尚不清楚。
【主题与分类】
主题标签:Advanced Heart Failure、Cardiac Cachexia、Weight Loss。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/NCT06259045
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/NCT06259045
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:晚期心力衰竭、心脏恶病质、体重减轻。心脏恶病质(CC)是一种与慢性心力衰竭相关的复杂代谢综合征,其特征为肌肉丢失,伴或不伴脂肪丢失。CC的显著临床特征是成人非自愿性体重减轻。厌食、炎症、胰岛素抵抗和肌肉蛋白分解增加常与消耗性疾病相关。恶病质与发病率增加相关,但很少被识别或诊断,且极少得到治疗。采用较早的CC定义,既往研究发现其存在会导致更差的总体预后(在一般心力衰竭患者队列中,18个月随访死亡率为50%)。根据所采用的定义不同,文献中报道的心力衰竭中CC的患病率在10%至37%之间不等。CC的发病机制尚知之甚少,但可能是多因素的,由心输出量降低导致分解代谢相对于合成代谢增加所驱动。
2008年的一项共识定义指出,当患者存在非水肿性体重减轻(⩽12个月内至少减轻5%)或体重指数<20 kg/m²,并符合其他五项标准中的三项时,即可判定存在心脏恶病质(CC),这些标准包括:(i)肌力下降(ii)疲乏(iii)厌食(iv)去脂体重指数低(v)生化指标异常,例如炎症标志物升高(C反应蛋白、白细胞介素-6)、贫血或血清白蛋白降低。然而,晚期心力衰竭(AHF)中CC的患病率尚未见描述。在这一患者队列中,鉴于整体上病情恶化和死亡的趋势,独立的预后因素至关重要。AHF是指处于心力衰竭临床谱终末阶段的患者。有多种标准可用于识别AHF患者,其中之一是“I NEED HELP”标准。研究者假设,与一般心力衰竭人群相比,AHF中CC的患病率预示着更差的预后。通过确立其
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。




