Harefield 难治性慢性心力衰竭患者恢复方案研究
该数据集来自 clinicaltrials.gov,聚焦难治性慢性心力衰竭与扩张型心肌病,研究植入式左心室辅助装置(LVAD)支持下,通过两阶段药物方案促进心肌逆重构并防止心肌萎缩,从而恢复左心室收缩功能、实现 LVAD 撤除并维持中期生存

基本信息
资源简介
Harefield 难治性慢性心力衰竭患者恢复方案研究
该数据集来自 clinicaltrials.gov,聚焦难治性慢性心力衰竭与扩张型心肌病,研究植入式左心室辅助装置(LVAD)支持下,通过两阶段药物方案促进心肌逆重构并防止心肌萎缩,从而恢复左心室收缩功能、实现 LVAD 撤除并维持中期生存。数据可用于分析药物干预与心功能恢复、LVAD 撤除及生存结局之间的关联,支持心力衰竭治疗策略的预测建模与临床决策研究(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。本研究的假设是,因慢性难治性心力衰竭而需要植入式左心室辅助装置(LVAD)支持的扩张型非缺血性心肌病患者,通过旨在增强最大程度逆重构的特定两阶段药物治疗方案(血管紧张素转换酶抑制剂、β受体阻滞剂、血管紧张素受体阻滞剂、醛固酮拮抗剂和地高辛[第1阶段])以及预防/逆转心肌萎缩(β2激动剂克伦特罗[第2阶段]),可以恢复足够的左心室收缩功能,从而允许撤除LVAD并随后在不需机械循环支持或心脏移植的情况下获得中期生存。在本研究开始后一年内,一种新的LVAD成为植入的标准治疗,因此本研究的装置成为一种较差的标准
【主题与分类】
主题标签:Heart Failure、Dilated Cardiomyopathy。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/NCT00585546
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/NCT00585546
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。本研究的假设是,因慢性难治性心力衰竭而需要植入式左心室辅助装置(LVAD)支持的非缺血性扩张型心肌病患者,通过特定的两阶段药物治疗方案——旨在最大程度促进逆转重构(第一阶段:血管紧张素转换酶抑制剂、β受体阻滞剂、血管紧张素受体阻滞剂、醛固酮拮抗剂和地高辛)并预防/逆转心肌萎缩(第二阶段:β2激动剂克仑特罗)——可恢复足够的左心室收缩功能,从而能够撤除LVAD,并在无需机械循环支持或心脏移植的情况下获得后续中期生存。本研究启动后一年内,一种新型LVAD成为植入的标准治疗,因此研究用装置不久后即成为次优标准治疗。至2012年,该试验因入组无效而终止。
因此,某些原始结果已被删除,具体原因是仅有一名受试者接受了装置移除,无法进行多变量分析来评估LVAD移除后逆向重塑的可持续性,以及左心室功能/重塑恢复和LVAD移除的预测因素。同样,由于缺乏资金,生物样本库组件未能收集;因此,没有数据可用于展示HARPS方案干预导致的心肌生化、结构、细胞和分子变化,全身炎症、循环祖细胞和生长因子的变化,或基于DEXA扫描的数据:体重、瘦肌肉质量、肌肉力量以及最大和次最大运动能力的变化。所有剩余的结果指标均已编辑,以更准确地显示所意图的结果指标。
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。




