沙库巴曲缬沙坦与依那普利对CCC患者发病率、死亡率和NT-proBNP变化的疗效和安全性比较
研究为多国、多中心、平行组、前瞻性、随机、开放标签、盲法终点判定、活性对照设计，计划样本约 900 人（每组 450 人），拟在拉丁美洲阿根廷、巴西、哥伦比亚和墨西哥筛选约 1800 人
基本信息
资源简介
沙库巴曲缬沙坦与依那普利对CCC患者发病率、死亡率和NT-proBNP变化的疗效和安全性比较
该数据集来自 clinicaltrials.gov，聚焦 Chagas 病心肌病（CCC）合并心力衰竭人群，比较 Sacubitril/Valsartan 与 Enalapril 对发病率、死亡率及 NT-proBNP 变化的影响。研究为多国、多中心、平行组、前瞻性、随机、开放标签、盲法终点判定、活性对照设计，计划样本约 900 人（每组 450 人），拟在拉丁美洲阿根廷、巴西、哥伦比亚和墨西哥筛选约 1800 人。受试者按 1:1 随机接受 Sacubitril/Valsartan（目标剂量 200 mg 每日两次）或 Enalapril（目标剂量 10 mg 每日两次），并设 3 至 6 周滴定期。数据可用于心力衰竭治疗策略与预。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：Chagas 病、心力衰竭。这是一项多国、多中心、平行组、前瞻性、随机、开放标签、盲法终点判定、活性对照研究。目标计划样本量约为 900 名参与者（每组 450 名）。估计将在拉丁美洲包括阿根廷、巴西、哥伦比亚和墨西哥的中心筛选约 1800 名参与者。符合入选要求的参与者按 1:1 比例随机分配接受 Sacubitril/Valsartan（目标剂量 200 mg 每日两次）或 Enalapril（目标剂量 10 mg 每日两次），并在其常规治疗基础上，按国家分层，使用中央、隐蔽、基于网络的自动化随机化系统。两组均进入 3 至 6 周的滴定期，旨在达到 Sacubitril/Valsartan 200 mg 每日两次的目标剂量
【主题与分类】
主题标签：Chagas Disease、Heart Failure。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/NCT04023227
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/NCT04023227
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：恰加斯病、心力衰竭。这是一项多国、多中心、平行组、前瞻性、随机、开放标签、终点盲法裁定、活性对照研究。目标预计样本量约为900名参与者（每组450名）。据估计，将在拉丁美洲的站点筛选约1800名参与者，包括阿根廷、巴西、哥伦比亚和墨西哥。符合入选要求的参与者按1:1比例随机分配，接受沙库巴曲/缬沙坦（目标剂量为200 mg，每日两次）或依那普利（目标剂量为10 mg，每日两次），并联合其常规治疗，按国家分层，使用中央、隐蔽、基于网络的自动化随机系统。两组均进入为期3至6周的滴定期，旨在达到沙库巴曲/缬沙坦200 mg每日两次或依那普利10 mg每日两次的目标剂量。研究随访在滴定期之后进行，持续至达到总共302起事件，且所有随机参与者的最短随访时间为12周。
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。
