复方制剂策略用于多重心血管危险因素
该数据集来自 clinicaltrials.gov,主题为复方制剂策略用于多重心血管危险因素,属于循环系统疾病/心力衰竭分类

基本信息
资源简介
复方制剂策略用于多重心血管危险因素
该数据集来自 clinicaltrials.gov,主题为复方制剂策略用于多重心血管危险因素,属于循环系统疾病/心力衰竭分类。源站描述显示,PACIF 试验旨在检验固定剂量复方策略对高血压、血脂异常和糖尿病的整合管理效果,为多中心随机对照试验,评估复方制剂方案相比常规治疗能否改善心血管危险因素控制并减少心血管疾病事件。研究对象为无既往心血管疾病但具有多重危险因素的成人,计划招募约 8,252 名 50 至 75 岁以下、患有高血压、血脂异常和 2 型糖尿病的参与者,随机分配至固定剂量复方策略组或常规治疗组(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:高血压、血脂异常、糖尿病。PACIF 试验的总体目标是检验一种固定剂量复方策略,用于高血压、血脂异常和糖尿病的整合管理。这项多中心随机对照试验将评估,与常规治疗相比,基于复方制剂的方案能否改善具有多重心血管危险因素但无既往心血管疾病的成人的心血管危险因素控制并减少心血管疾病事件。该试验将招募估计 8,252 名年龄 50 至 <75 岁、患有高血压、血脂异常和 2 型糖尿病的参与者。参与者将被随机分配接受固定剂量复方策略或常规治疗。在干预组中,研究用药方案将包括八种预先指定的固定剂量制剂,结合降压
【主题与分类】
主题标签:Hypertension、Dyslipidemia、Diabetes。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/NCT07679828
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/NCT07679828
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:高血压、血脂异常、糖尿病。PACIF试验的总体目标是检验一种固定剂量复方制剂策略用于高血压、血脂异常和糖尿病综合管理。这项多中心随机对照试验将评估,与常规治疗相比,基于多效药丸的方法能否改善具有多种心血管危险因素但无既往心血管疾病的成人的心血管危险因素控制并减少心血管疾病事件。该试验预计将招募8,252名年龄50至<75岁、患有高血压、血脂异常和2型糖尿病的参与者。参与者将被随机分配接受固定剂量复方制剂策略或常规治疗。在干预组中,研究用药方案将包括八种预先设定的固定剂量复方制剂,结合降压、降脂和降糖治疗。这些复方制剂包括奥美沙坦酯/氨氯地平、瑞舒伐他汀、依折麦布和达格列净,部分复方制剂中还包含吲达帕胺。
治疗将根据参与者的血压水平、治疗目标、耐受性和安全性,在预先设定的固定剂量制剂之间进行调整。如果固定剂量联合策略未能达到预先设定的治疗目标,可根据指南建议和临床判断使用额外的开放标签药物。治疗目标定义为血压<130/80 mmHg、LDL胆固醇<1.8 mmol/L和HbA1c<7.0%。第1阶段的主要结局是通过PREVENT方程估算的ACC/AHA 10年心血管疾病风险。此外,还将评估PREVENT估算的10年ASCVD和心力衰竭风险的变化、达到预先设定血压、血脂和血糖目标的参与者比例,以及个体心血管危险因素的变化。第2阶段的主要结局
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。




