PCI临床试验中PPMI的临床证据与生物标志物确认研究
该数据集来自clinicaltrials.gov,聚焦经皮冠状动脉介入治疗(PCI)相关的围术期心肌梗死(PPMI)临床证据与生物标志物确认

基本信息
资源简介
PCI临床试验中PPMI的临床证据与生物标志物确认研究
该数据集来自clinicaltrials.gov,聚焦经皮冠状动脉介入治疗(PCI)相关的围术期心肌梗死(PPMI)临床证据与生物标志物确认。覆盖的结局包括围术期心肌梗死、心力衰竭住院、死亡率、稳定型心绞痛及非ST段抬高型心肌梗死(NSTEMI)。数据涉及心脏生物标志物选择、阈值设定及伴随临床标准的不确定性,并关注高敏肌钙蛋白检测带来的解读复杂性。可用于研究PPMI定义与后续不良结局的关系,支持风险预测与结局分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:围术期心肌梗死、心力衰竭住院、死亡率、稳定型心绞痛、非ST段抬高型心肌梗死(NSTEMI)。围术期心肌梗死(PPMI)通常被纳入涉及经皮冠状动脉介入治疗(PCI)的临床试验作为结局。然而,在定义PPMI时,关于最合适的心脏生物标志物、生物标志物阈值及伴随临床标准仍存在不确定性。高敏肌钙蛋白检测的日益使用进一步复杂化了PCI后心脏生物标志物升高的解读。较低的生物标志物阈值可能识别出相对较大比例的患者,但这些升高的临床意义及其与后续不良结局的关系仍不确定。目前使用多种PPMI定义,包括第四版通用
【主题与分类】
主题标签:Peri-procedural Myocardial Infarction、Heart Failure Hospitalization、Mortality、Stable Angina Pectoris。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/NCT07848529
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/NCT07848529
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:围手术期心肌梗死、心力衰竭住院、死亡、稳定型心绞痛、非ST段抬高型心肌梗死(NSTEMI)。围手术期心肌梗死(PPMI)常被纳入涉及经皮冠状动脉介入治疗(PCI)的临床试验作为结局指标。然而,关于定义PPMI时最合适的心脏生物标志物、生物标志物阈值及伴随的临床标准,仍存在不确定性。高敏肌钙蛋白检测的日益普及进一步复杂化了PCI后心脏生物标志物升高的解读。较低的生物标志物阈值可能识别出相对较大比例的患者,但这些升高的临床意义及其与后续不良结局的关系仍不明确。目前使用的PPMI定义有几种,包括第四版心肌梗死全球定义、学术研究联盟-2(ARC-2)定义以及心血管造影与介入学会(SCAI)定义。
这些定义在所需的生物标志物阈值以及如何纳入围手术期缺血的临床证据方面存在差异。此外,在现代实践中,常规收集PCI术后系列生物标志物可能具有挑战性,特别是因为许多患者在手术当天即出院。心脏生物标志物之间的差异,包括肌钙蛋白I、肌钙蛋白T和肌酸激酶-心肌同工酶(CK-MB),也可能影响PPMI的诊断频率。CEC-PPMI是一项前瞻性、多中心、非随机队列研究,旨在评估围手术期缺血的临床证据、PCI术后心脏生物标志物升高与一年时不良临床结局之间的关系。该研究将在美国多达20个临床中心招募多达1,000名成人。将采用适应性入组设计,以确保至少250名参与者具有阳性临床标准。符合条件的参与者将患有稳定性冠状动脉疾病,包括稳定性心绞痛或缺血的功能性证据,或稳定
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。




