中国老年瓣膜性心脏病队列研究

该数据集来自 clinicaltrials.gov,主题为老年瓣膜性心脏病(VHD)。源站描述指出,瓣膜性心脏病是继冠心病、高血压和心力衰竭之后常见的死亡与致病原因,老年患者合并症更多且常需干预,但中国老年 VHD 信息较少

China National Center for Cardiovascular DiseasesChina National Center for Cardiovascular Diseases
clinicaltrials
浏览 2
其他预测Heart Valve Diseases
China Senile Valvular Heart Disease Cohort Study

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-23

资源简介

中国老年瓣膜性心脏病队列研究

该数据集来自 clinicaltrials.gov,主题为老年瓣膜性心脏病(VHD)。源站描述指出,瓣膜性心脏病是继冠心病、高血压和心力衰竭之后常见的死亡与致病原因,老年患者合并症更多且常需干预,但中国老年 VHD 信息较少。研究目的是评估老年住院 VHD 患者的临床特征、住院原因、风险分层、治疗方式、生活质量与结局,确定影响预后的危险因素,并为建立适合中国老年 VHD 的预后模型奠定基础。数据可用于预后预测与风险分层研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:心脏瓣膜病。瓣膜性心脏病(VHD)是继冠状动脉疾病、高血压和心力衰竭之后最常见的死亡和致病原因,尤其是在合并症更多且常需干预的老年患者中。老年 VHD 的患病率随年龄增长而逐渐增加。此外,近年来该疾病的表现和治疗方式已发生重要变化。然而,关于中国老年 VHD 的信息很少。本研究的目的是评估老年住院 VHD 患者的临床特征、住院原因、风险分层、治疗方式、生活质量和结局,确定影响预后的危险因素,进一步为建立适合中国老年 VHD 的预后模型奠定基础。

【主题与分类】

主题标签:Heart Valve Diseases。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/NCT02865798

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/NCT02865798

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:心脏瓣膜病。瓣膜性心脏病(VHD)是继冠状动脉疾病、高血压和心力衰竭之后最常见的死亡和发病原因,尤其是在老年患者中,这些患者合并症更多且常需干预。老年VHD的患病率随年龄增长而逐渐升高。此外,近年来该疾病的表现和治疗方式也发生了重要变化。然而,中国关于老年VHD的信息较少。本研究旨在评估老年住院VHD患者的临床特征、住院原因、风险分层、治疗方式、生活质量和结局,确定影响预后的危险因素,进一步为建立适合中国老年VHD的预后模型奠定基础。

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