心力衰竭预防中的药物优化:性别差异?
该数据集来自clinicaltrials.gov,聚焦心力衰竭预防中的药物优化及性别差异。源站描述涉及一项IV期、低干预、多中心随机对照试验,旨在检验遵循STRONG-HF滴定策略强化GDMT优化能否改善因心力衰竭住院女性的结局,并包含2018至2023年国家医疗数据库和心衰登记处的回顾性分析,以评

基本信息
资源简介
心力衰竭预防中的药物优化:性别差异?
该数据集来自clinicaltrials.gov,聚焦心力衰竭预防中的药物优化及性别差异。源站描述涉及一项IV期、低干预、多中心随机对照试验,旨在检验遵循STRONG-HF滴定策略强化GDMT优化能否改善因心力衰竭住院女性的结局,并包含2018至2023年国家医疗数据库和心衰登记处的回顾性分析,以评估真实世界GDMT处方模式及性别相关差异。数据可用于心力衰竭治疗模式分析、性别差异研究及结局预测等任务(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、急性心力衰竭、射血分数降低的心力衰竭(HFrEF)、射血分数保留的心力衰竭(HFPEF)、射血分数轻度降低的心力衰竭。PopS-HF是一项IV期、低干预、多中心随机对照试验,旨在检验遵循STRONG-HF(通过NT-proBNP检测辅助的心力衰竭治疗快速优化的安全性、耐受性和有效性)滴定策略强化指南导向药物治疗(GDMT)优化能否改善因心力衰竭(HF)住院女性的结局。该研究还包括对2018-2023年国家医疗数据库和专业心衰登记处的回顾性分析,以评估真实世界实践中GDMT的处方方式,并识别治疗模式和结局中的性别相关差异。符合条件的患者为女性
【主题与分类】
主题标签:Heart Failure、Acute 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/NCT07295522
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/NCT07295522
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
疾病条件:心力衰竭、急性心力衰竭、射血分数降低的心力衰竭(HFrEF)、射血分数保留的心力衰竭(HFPEF)、射血分数轻度降低的心力衰竭。PopS-HF是一项IV期、低干预性、多中心随机对照试验,旨在检验按照STRONG-HF(通过NT-proBNP检测指导心力衰竭治疗快速优化的安全性、耐受性和有效性)滴定策略对指南导向药物治疗(GDMT)进行强化优化,能否改善因心力衰竭(HF)住院的女性患者的结局。该研究还包括对2018—2023年全国医疗保健数据库和专业心力衰竭登记数据库的回顾性分析,以评估GDMT在真实世界实践中的处方情况,并识别治疗模式和结局中与性别相关的差异。纳入标准为18—85岁、因急性HF住院、出院前有淤血证据且血流动力学稳定的女性患者。排除标准包括严重合并症、妊娠和无法随访。
前瞻性部分将368例患者随机分配至强化策略组或常规护理组,随访访视安排在2、4、6、12、24、36和52周。主要终点为1年内全因死亡、心衰再入院或心衰恶化的复合终点。次要终点评估治疗优化、副作用、生物标志物(NT-proBNP)和生活质量。
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。




