高危人群中转甲状腺素蛋白淀粉样变性(ATTR)标准化早期识别与诊断的实施
该数据集来自 clinicaltrials.gov,聚焦高危人群中转甲状腺素蛋白淀粉样变性(ATTR)的标准化早期识别与诊断

基本信息
资源简介
高危人群中转甲状腺素蛋白淀粉样变性(ATTR)标准化早期识别与诊断的实施
该数据集来自 clinicaltrials.gov,聚焦高危人群中转甲状腺素蛋白淀粉样变性(ATTR)的标准化早期识别与诊断。研究为多中心、前瞻性、单臂干预试验,计划在中国约 50 个中心入组约 4000 名 ATTR 淀粉样变性高危成人患者。入组条件包括年龄≥60 岁、有症状性心力衰竭且左心室射血分数≥40% 并伴左心室肥厚。数据可用于评估诊断路径、培训干预效果及高危人群筛查策略(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:ATTR-CM。这项多中心、前瞻性、单臂、干预性研究将在中国约 50 个中心入组约 4,000 名 ATTR 淀粉样变性高危成人患者。符合条件的患者年龄≥60 岁,并记录有症状性心力衰竭且左心室射血分数≥40% 和 LVH。排除标准包括已知的心肌疾病病因、血清游离轻链或血清免疫固定电泳异常、筛查前 6 个月内急性心肌梗死,以及无法接受 99mTc-PYP 检查。患者将接受为期 14 周的诊断流程。研究干预涉及对研究者进行知识培训、操作培训和培训后验证。对心血管科研究者的知识培训将涵盖疾病特定知识、标准诊断路径和遗传学;对研究者的培训
【主题与分类】
主题标签:ATTR-CM。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/NCT07338942
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/NCT07338942
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
条件:ATTR-CM。这项多中心、前瞻性、单臂、干预性研究将在中国约50个中心招募约4,000名ATTR淀粉样变性高危成人患者。符合条件的患者年龄≥60岁,并有记录显示存在症状性心力衰竭,左心室射血分数≥40%且伴有左心室肥厚。排除标准包括已知的心肌疾病病因、血清游离轻链或血清免疫固定电泳异常、筛选前6个月内发生急性心肌梗死,以及无法接受99mTc-PYP检查。患者将接受为期14周的诊断流程。研究干预包括对研究者进行知识培训、操作培训及培训后验证。对心血管内科研究者的知识培训将涵盖疾病特异性知识、标准诊断路径和遗传学;对超声心动图科和核医学科研究者的培训将侧重于疾病知识、标准操作规程和影像参数报告。操作培训包括对超声心动图科和核医学科研究者进行标准操作规程和图像判读的实操培训。
培训后验证将评估各研究中心的依从性。若质量审核未达标,将安排额外培训。主要终点是高危人群中诊断为ATTR淀粉样变性的患者比例。次要终点包括ATTRwt淀粉样变性患者比例、当地研究者与中心审核者在ECHO和99mTc-PYP判读上的一致性,以及基因型分布。所有分析均为描述性,无预先设定的假设。与99mTc-PYP诊断的ATTR淀粉样变性相关的风险因素将通过逻辑回归模型进行分析。
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。




