DERIVATE-NICM研究相关数据集:非缺血性心肌病主要心律失常事件风险重定义

本记录包含与文章《重新定义非缺血性心肌病主要心律失常事件风险:来自DERIVATE-NICM研究的见解》相关的原始数据。目的:非缺血性心肌病(NICM)患者植入式心律转复除颤器(ICD)一级预防治疗的患者选择需要改进

ZenodoZenodo
datacite
浏览 3
表格预测非缺血性心肌病心力衰竭心脏磁共振晚期钆增强DERIVATE风险评分植入式心律转复除颤器主要心律失常事件心脏性猝死
Dataset related to the article "Redefining the risk of major arrhythmic events in non-ischaemic cardiomyopathy: insights from the DERIVATE-NICM study"

基本信息

模态
表格
任务类型
预测
创建/更新时间
2026-10-10

资源简介

DERIVATE-NICM研究相关数据集:非缺血性心肌病主要心律失常事件风险重定义

本记录包含与文章《重新定义非缺血性心肌病主要心律失常事件风险:来自DERIVATE-NICM研究的见解》相关的原始数据。该研究关注非缺血性心肌病(NICM)患者植入式心律转复除颤器(ICD)一级预防治疗的患者选择问题,认为这一选择过程需要改进。研究旨在评估一种新的心脏磁共振(CMR)评分——基于晚期钆增强(LGE)模式分布的DERIVATE风险评分2.0——相较于此前发表的、仅基于定量参数的DERIVATE风险评分1.0,在DERIVATE注册队列的NICM患者中所具有的额外预后价值。研究纳入1384例慢性心力衰竭(HF)且左心室射血分数(LVEF)低于50%的NICM患者,评估其心脏性猝死(SCD)一级预防治疗。本数据集即与上述研究相关的原始数据记录,本站将其归类于循环系统疾病/心力衰竭。

【数据集背景】

非缺血性心肌病(NICM)患者植入式心律转复除颤器(ICD)一级预防治疗的患者选择需要改进。在此背景下,DERIVATE-NICM研究围绕如何更准确地识别可能从ICD一级预防治疗中获益的患者展开。研究比较了两种风险评分工具:DERIVATE风险评分1.0仅基于定量参数,而DERIVATE风险评分2.0则基于晚期钆增强(LGE)模式分布这一新的心脏磁共振(CMR)评分。研究的目标是评估DERIVATE风险评分2.0相较于DERIVATE风险评分1.0的额外预后价值。该数据集所对应的文章即围绕这一目标,在DERIVATE注册队列的NICM患者中开展分析。

【数据内容】

本记录包含与上述文章相关的原始数据。源站描述提及,研究纳入1384例NICM患者,这些患者均患有慢性心力衰竭(HF),且左心室射血分数(LVEF)低于50%,并接受心脏性猝死(SCD)一级预防治疗的评估。数据内容涉及心脏磁共振(CMR)评分,具体为基于晚期钆增强(LGE)模式分布的DERIVATE风险评分2.0,以及与仅基于定量参数的DERIVATE风险评分1.0之间的比较。源站描述在“Methods and Results”部分提及“Major a”后即中断,因此关于主要心律失常事件等更具体的数据字段、变量结构、文件格式与样本量细节,源站未提供。

【采集与来源】

数据来源站为doi.org。源站描述表明,该记录包含与文章《Redefining the risk of major arrhythmic events in non-ischaemic cardiomyopathy: insights from the DERIVATE-NICM study》相关的原始数据。研究对象来自DERIVATE注册队列中的NICM患者。关于数据采集的具体时间范围、采集机构、采集流程、伦理审批信息以及数据收集所采用的具体设备或量表,源站未提供。

【适用场景】

该数据集适用于与非缺血性心肌病(NICM)患者植入式心律转复除颤器(ICD)一级预防治疗选择相关的研究场景,尤其是围绕心脏性猝死(SCD)一级预防治疗评估、心脏磁共振(CMR)评分应用、晚期钆增强(LGE)模式分布分析,以及DERIVATE风险评分1.0与DERIVATE风险评分2.0预后价值比较等方向。也可用于慢性心力衰竭(HF)且左心室射血分数(LVEF)低于50%的NICM患者群体的相关二次分析。关于该数据集在其他具体场景中的适用性,源站未提供。

【使用方法】

源站未提供该数据集的具体使用方法,包括数据读取方式、变量说明、分析代码、配套文档或使用步骤等。使用者需依据源站记录及对应文章自行判断。关于是否可直接用于建模、统计检验或外部验证,源站未提供。

【质量与限制】

源站描述在“Methods and Results”部分提及“Major a”后中断,因此关于主要心律失常事件的具体结果、数据完整性、缺失值情况、样本代表性、偏倚控制以及数据质量控制措施,源站未提供。该数据集为与特定文章相关的原始数据,其适用范围可能受研究设计、队列来源和纳入标准(NICM、慢性HF、LVEF<50%)的限制。关于数据是否经过去标识化处理、是否包含可识别信息,源站未提供。

【引用与许可】

该数据集对应文章《Redefining the risk of major arrhythmic events in non-ischaemic cardiomyopathy: insights from the DERIVATE-NICM study》,来源站为doi.org。关于该数据集的引用格式、许可协议、使用条款、版权归属以及是否允许再分发或商业使用,源站未提供。

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://doi.org/10.5281/zenodo.14590430

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

本记录包含与文章《重新定义非缺血性心肌病主要心律失常事件的风险:来自DERIVATE-NICM研究的见解》相关的原始数据。目的:非缺血性心肌病(NICM)患者植入型心律转复除颤器(ICD)一级预防治疗的患者选择需要改进。为了评估基于晚期钆增强(LGE)模式分布的新心脏磁共振(CMR)评分(DERIVATE风险评分2.0)与先前发表的仅基于定量参数的DERIVATE风险评分1.0相比的额外预后价值,在DERIVATE注册研究中入组的NICM患者队列中进行了评估。方法与结果:对1384例左心室射血分数(LVEF)<50%的慢性心力衰竭(HF)NICM患者进行了心脏性猝死(SCD)一级预防治疗的评估。主要不良心律失常心脏事件(MAACE)是主要终点。(www.clinicaltrials.gov:RCT#NCT03352648)。在中位随访959天期间,128例(9.2%)患者发生了MAACE。

在多变量分析中,男性(HR:1.605[95%CI:1.051-2.451];p:0.028)、每点LVEF百分比(HR:0.977[95%CI:0.961-0.993];p:0.005)以及中层心肌LGE的存在与位置(加权HR:1.066[95%CI:1.045-1.086],p<0.001)是MAACE的独立预测因素。与先前发表的DERIVATE风险评分1.0相比,一种多参数CMR加权预测衍生评分(DERIVATE风险评分2.0)相较于TTE-LVEF截断值35%提供了更高的额外预后价值,净重分类改善(NRI)为54.52%(95%CI:36.52%-72.52%;p<0.001)。这些发现在验证队列中得到证实。结论:在大型NICM人群中,中层心肌LGE的存在以及瘢痕位置均赋予额外的独立MAACE风险,影响治疗选择。

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