Finerenone联合SGLT2抑制剂治疗心力衰竭
该数据集来自clinicaltrials.gov,聚焦心力衰竭这一慢性临床综合征。源站描述指出,尽管药物治疗不断进步,心力衰竭仍带来显著发病率、死亡率和医疗负担;SGLT2抑制剂因心血管获益已成为标准治疗的重要组成部分,但残余心血管风险仍存

基本信息
资源简介
Finerenone联合SGLT2抑制剂治疗心力衰竭
该数据集来自clinicaltrials.gov,聚焦心力衰竭这一慢性临床综合征。源站描述指出,尽管药物治疗不断进步,心力衰竭仍带来显著发病率、死亡率和医疗负担;SGLT2抑制剂因心血管获益已成为标准治疗的重要组成部分,但残余心血管风险仍存。Finerenone是一种非甾体类矿物皮质激素受体拮抗剂,作用于心脏和肾脏组织的矿物皮质激素受体激活,既往研究显示其可减轻炎症与纤维化并在慢性心血管和肾脏疾病中提供心血管获益。数据可用于心力衰竭治疗策略相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:心力衰竭。尽管药物治疗不断进步,心力衰竭是一种慢性临床综合征,在全球范围内与显著的发病率、死亡率和医疗负担相关。钠-葡萄糖协同转运蛋白2(SGLT2)抑制剂因其已证实的心血管获益,已成为心力衰竭患者标准治疗的重要组成部分。然而,显著的心血管残余风险持续存在,表明需要额外的治疗策略。Finerenone是一种非甾体类矿物皮质激素受体拮抗剂,具有独特的作用机制,靶向心脏和肾脏组织中的矿物皮质激素受体激活。既往临床研究已证明,finerenone可减轻炎症和纤维化,并在慢性心血管和肾脏疾病患者中提供心血管获益。这些发现
【主题与分类】
主题标签: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/NCT07351864
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/NCT07351864
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。尽管药物治疗不断进步,心力衰竭仍是一种慢性临床综合征,在全球范围内与显著的发病率、死亡率和医疗负担相关。钠-葡萄糖协同转运蛋白2(SGLT2)抑制剂因其已证实的心血管获益,已成为心力衰竭患者标准治疗的重要组成部分。然而,仍有相当大的残余心血管风险持续存在,提示需要额外的治疗策略。非奈利酮是一种非甾体类盐皮质激素受体拮抗剂,具有独特的作用机制,靶向心脏和肾脏组织中的盐皮质激素受体激活。既往临床研究已证实,非奈利酮可减轻炎症和纤维化,并为慢性心血管和肾脏疾病患者提供心血管获益。这些发现支持非奈利酮与已确立的心力衰竭疗法联合使用时,可提供互补的心脏保护作用的潜力。
本前瞻性对照初步研究旨在评估在心力衰竭患者中,于SGLT2抑制剂标准治疗基础上加用finerenone与单用SGLT2抑制剂治疗相比的临床效果和安全性。接受稳定SGLT2抑制剂治疗的患者将按照分配的治疗策略进行管理,并在整个研究期间接受随访,以评估总体临床结局和安全性参数。本初步研究的结果预期将为finerenone联合SGLT2抑制剂在心力衰竭患者中的潜在获益与耐受性提供初步证据,并为未来更大规模临床研究的设计提供参考。
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。




