心力衰竭药物管理数据集

数据集获取

源站：https://clinicaltrials.gov/study/NCT06915584

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

条件：心力衰竭。心力衰竭（HF）是全球主要死因之一，且发病率持续上升，对医疗保健提供者具有重要影响。针对心衰患者的国际指南（GGLL）推荐联合用药以降低事件风险并改善患者症状。然而，目前指南导向的药物治疗对死亡率和发病率的影响仍然有限，因为心衰患者人群与临床试验入组人群差异很大，前者年龄更大，因此常合并多种疾病，需要基于其表型进行更高精度的治疗。因此，医疗惰性是另一个导致依从性不足和心衰患者不良结局的因素。本提案旨在创建一个互动式多中心前瞻性数据库，以提供关于如何改善心衰患者（pts）医疗质量的信息。该数据库将提供关于患者特征、治疗实践、对处方指南的依从性、基于指南的最佳药物治疗及结局的详细信息。人群与方法：该数据库源于两年前启动的一项登记研究。

该登记研究旨在提供一份关于心力衰竭（HF）患者对最新欧洲指南依从性的当代快照。该数据库将整合一个专门设计的人工智能算法，该算法能够准确反馈患者是否按照欧洲心脏病学会（ESC）最新更新的心力衰竭患者治疗建议得到了恰当治疗，并根据患者的表型、临床特征和合并症提示正确的治疗方法和目标剂量。根据心力衰竭药物主要试验结果，该算法将计算所节省的住院、因失代偿性心力衰竭的急诊就诊以及心力衰竭死亡。通过使用一个基于对近期启动的心力衰竭登记研究进行查询而创建的算法，该项目将能够产生实际意义，以重新

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。