丹麦扩张型心肌病患者ICD研究
该数据集源自clinicaltrials.gov,属于循环系统疾病/心力衰竭分类,主题为丹麦扩张型心肌病患者中植入式心律转复除颤器(ICD)疗效评估

基本信息
资源简介
丹麦扩张型心肌病患者ICD研究
该数据集源自clinicaltrials.gov,属于循环系统疾病/心力衰竭分类,主题为丹麦扩张型心肌病患者中植入式心律转复除颤器(ICD)疗效评估。研究为随机、非盲、对照、平行两组试验,纳入1000例患者,ICD组与对照组各500例,主要终点为全因死亡时间,次要目标为评估ICD是否降低猝死。数据可用于心力衰竭与扩张型心肌病患者的死亡风险预测及ICD治疗获益分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:心力衰竭、扩张型心肌病、LVEF降低。标题:一项丹麦随机、对照、多中心研究,评估植入式心律转复除颤器对非缺血性收缩性心力衰竭患者死亡率的疗效。适应症:预防有猝死风险患者的死亡。主要目的:本研究的主要目的是确定ICD治疗与对照相比在全因死亡终点上的疗效。次要目的:本研究的次要目的是确定ICD治疗是否减少猝死。研究设计:随机、非盲、对照、平行两组试验。主要终点:全因死亡时间。样本量:总共1000例患者,其中500例接受ICD,500例构成对照组。受试者入选标准摘要:具有临床h
【主题与分类】
主题标签:Heart Failure、Dilated Cardiomyopathy、Reduced LVEF。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/NCT00542945
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/NCT00542945
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:心力衰竭、扩张型心肌病、左心室射血分数降低。标题:一项丹麦随机、对照、多中心研究,旨在评估植入式心律转复除颤器对非缺血性收缩性心力衰竭患者死亡率的疗效。适应症:预防有猝死风险患者的死亡。主要目的:本研究的主要目的是确定ICD治疗与对照组相比在全因死亡终点上的疗效。次要目的:本研究的次要目的是确定ICD治疗是否减少猝死。研究设计:随机、非盲、对照、平行两组试验。主要终点:全因死亡时间。样本量:总共1000名患者,其中500名接受ICD,500名患者构成对照组。受试者入选标准摘要:临床心力衰竭、左心室射血分数(LVEF)≤ 35%、非缺血性病因且NT-proBNP高于200 pg/ml的患者。NYHA IV级患者仅在同时符合双心室起搏器标准时才会被随机分组。
对照组:接受心力衰竭标准治疗的患者,包括ACE抑制剂/血管紧张素受体阻滞剂和β受体阻滞剂,除非不能耐受。醛固酮拮抗剂为可选治疗。研究持续时间:本研究包括最长2年的筛选期,随后是最短36个月的治疗期。筛选与随机化:在签署知情同意书后,筛选将包括病史、生命体征、体格检查、血液生化、血液学检查以及NT-proBNP。在满足所有入选标准后,受试者将按1:1的比例随机分配接受ICD植入或继续常规对照。随机化将根据是否接受双心室起搏器治疗进行分层。治疗:随机化后,分配至ICD治疗的患者应尽快接受该治疗,最好在2周内(最迟4周内)。ICD将设置为具有抗心动过速起搏和
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。




