使用KCCQ评估患者报告健康状况以早期发现心力衰竭恶化
该数据集来自clinicaltrials.gov，聚焦心力衰竭患者，旨在通过Kansas City Cardiomyopathy Questionnaire（KCCQ）这一疾病特异性自评工具，在14天回忆期内检测临床状态变化，以早期识别心力衰竭恶化（WHF）
基本信息
资源简介
使用KCCQ评估患者报告健康状况以早期发现心力衰竭恶化
该数据集来自clinicaltrials.gov，聚焦心力衰竭患者，旨在通过Kansas City Cardiomyopathy Questionnaire（KCCQ）这一疾病特异性自评工具，在14天回忆期内检测临床状态变化，以早期识别心力衰竭恶化（WHF）。研究为研究者发起的前瞻性观察性可行性研究，评估系列KCCQ评估的可行性与可接受性、KCCQ评分时间变化与充血标志物的关系，以及心力衰竭恶化事件或心血管死亡等复合临床结局。数据可用于探索患者报告结局在心力衰竭早期预警中的预测价值（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。心力衰竭（HF）的病程以心力衰竭恶化（WHF）发作为特征。这些发作会增加住院和死亡风险。目前，用于早期识别WHF的可靠工具尚不完善。Kansas City Cardiomyopathy Questionnaire（KCCQ）是一种疾病特异性、自填式工具，旨在评估患者状态。KCCQ能够在14天回忆期内检测HF患者临床状态的变化，并具有早期检测WHF的潜力。该研究是一项由研究者发起的前瞻性观察性可行性研究，旨在评估（i）系列KCCQ评估的可行性和可接受性；（ii）KCCQ评分的时间变化与充血标志物之间的关系，以及（iii）临床结局，即心力衰竭恶化事件或心血管死亡的复合终点。
【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/NCT07552142
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/NCT07552142
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。心力衰竭（HF）的病程特征是心力衰竭恶化（WHF）发作。这些发作增加了住院和死亡的风险。目前，用于早期识别WHF的可靠工具尚不完善。堪萨斯城心肌病问卷（KCCQ）是一种疾病特异性、自评式工具，旨在评估患者状态。KCCQ能够在14天回忆期内检测HF患者临床状态的变化，并具有早期发现WHF的潜力。本研究是一项由研究者发起的前瞻性观察性可行性研究，旨在评估（i）连续KCCQ评估的可行性和可接受性；（ii）KCCQ评分的时间变化与淤血标志物之间的关系，以及（iii）临床结局，即心力衰竭恶化事件或心血管死亡（CVD）的复合终点，以及从KCCQ变化5分和10分到临床事件的时间。研究人群将包括120名符合标准的18岁及以上患者。符合条件的患者将每2周接受一次连续KCCQ评估，持续12个月。
经胸超声心动图（TTE）、肺超声（LUS）、6分钟步行试验（6MWT）和血液采样将在基线、3个月、6个月和12个月时进行。结局将在6个月和12个月时收集。
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。
