儿童心肌病营养评估

该数据集来自 clinicaltrials.gov,主题为儿童心肌病患者的营养评估,属于循环系统疾病/心力衰竭范畴。源站描述指出,儿童心肌病包括扩张型、肥厚型和限制型等原发性心肌疾病,是儿童慢性心力衰竭和心脏移植的常见原因;营养不良是儿童心肌病常见且具有临床意义的合并症

Assiut UniversityAssiut University
clinicaltrials
浏览 7
文本分类CardiomyopathiesMalnutrition
Nutritional Assessment in Children With Cardiomyopathy

基本信息

模态
文本
任务类型
分类
创建/更新时间
2026-10-07

资源简介

儿童心肌病营养评估

该数据集来自 clinicaltrials.gov,主题为儿童心肌病患者的营养评估,属于循环系统疾病/心力衰竭范畴。源站描述指出,儿童心肌病包括扩张型、肥厚型和限制型等原发性心肌疾病,是儿童慢性心力衰竭和心脏移植的常见原因;营养不良是儿童心肌病常见且具有临床意义的合并症。数据覆盖1个月至18岁确诊心肌病的儿童,采用横断面研究设计,可用于分析儿童心肌病与营养不良的关联及临床特征(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:心肌病、营养不良。儿童心肌病涵盖一组异质性原发性心肌疾病(扩张型、肥厚型和限制型),是儿童期慢性心力衰竭的主要原因,也是儿童心脏移植的常见指征。营养不良现已被认为是儿童心肌病中常见且具有临床意义的合并症。来自 Pediatric Cardiomyopathy Registry 的数据表明,近四分之一的扩张型心肌病患儿在就诊时存在营养不良,而来自成人心力衰竭人群的汇总估计报告,营养不良患病率接近所有患者的一半,且营养不良与死亡率增加独立相关。这项横断面研究将纳入1个月至18岁、已确诊心肌病的儿童。

【主题与分类】

主题标签:Cardiomyopathies、Malnutrition。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/NCT07858474

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT07858474

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

疾病:心肌病、营养不良。儿童心肌病包括一组异质性原发性心肌疾病(扩张型、肥厚型和限制型),是儿童期慢性心力衰竭的主要原因,也是心脏移植的常见适应证。营养不良现已被认为是儿童心肌病中常见且具有临床意义的合并症。来自儿童心肌病登记处的数据表明,近四分之一的扩张型心肌病患儿在就诊时存在营养不良,而来自成人心力衰竭人群的汇总估计报告,营养不良患病率接近所有患者的一半,且营养不良与死亡率增加独立相关。这项横断面研究将纳入年龄为1个月至18岁、经超声心动图确诊为心肌病的儿童。营养状况将采用人体测量指标(体重、身高、上臂中围、年龄别BMI Z评分)、STRONGkids筛查工具、生化标志物和膳食评估进行评定。将确定营养不良的患病率和模式。

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。

获取专属数据定制方案