低中手术风险重度DMR的TEER研究
该数据集来自clinicaltrials.gov，聚焦低至中等手术风险的重度二尖瓣反流（DMR）患者，采用多中心前瞻性队列设计，纳入接受TEER治疗的患者及外科历史对照
基本信息
资源简介
低中手术风险重度DMR的TEER研究
该数据集英文名为 TEER for Severe DMR of Low to Intermediate Surgery Risk，来源于 clinicaltrials.gov，本站归类于循环系统疾病 / 心力衰竭，主题标签为二尖瓣反流（Mitral Regurgitation）。其核心内容围绕一项拟开展的多中心、前瞻性队列研究，研究对象为接受经导管缘对缘修复（TEER）治疗的低至中等手术风险重度二尖瓣反流（DMR）患者，并设置外科历史对照。研究的主要疗效终点为术后 24 个月的全因死亡及心力衰竭恶化的累积复合事件率，主要安全终点为术后 30 天的死亡、二次手术及各类并发症。该数据集旨在考察 TEER 在这一手术风险人群中的有效性与安全性，为后续临床应用提供参考。
【数据集背景】
重度二尖瓣反流是临床关注的重要瓣膜疾病问题，而低至中等手术风险患者群体的治疗策略选择具有现实意义。TEER 作为一种介入治疗方式，其在该风险层级患者中的表现需要通过系统性的临床研究加以评估。该数据集所对应的研究即为一项拟开展的多中心、前瞻性队列研究，专门纳入低至中等手术风险的重度 DMR 患者，并同时纳入外科历史对照，以形成对照观察框架。研究目的在于探究 TEER 在此类患者中的疗效与安全性，并为其后续临床应用提供依据。
【数据内容】
该数据集聚焦于重度 DMR 患者接受 TEER 治疗后的随访观察数据，研究设计为多中心、前瞻性队列研究，并包含外科历史对照。主要疗效终点包括术后 24 个月的全因死亡以及心力衰竭恶化的累积复合事件率；主要安全终点包括术后 30 天内的死亡、二次手术及各类并发症。数据内容围绕上述终点指标展开，涉及接受 TEER 治疗的患者队列与外科历史对照队列的对照信息。除上述终点与队列设计外，具体变量字段、随访时间点细节及样本量等信息源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。研究采用多中心、前瞻性队列设计，纳入对象为接受 TEER 治疗的低至中等手术风险重度 DMR 患者，并设置外科历史对照。关于各中心的具体数量、地理分布、招募时间窗口及数据采集流程等细节，源站未提供。
【适用场景】
该数据集适用于与重度二尖瓣反流介入治疗相关的临床研究与评价场景，尤其是针对低至中等手术风险患者接受 TEER 治疗的有效性与安全性评估。其终点设置可用于关注术后 24 个月全因死亡与心力衰竭恶化复合事件的研究，以及关注术后 30 天死亡、二次手术与并发症的安全性分析。同时，由于包含外科历史对照，也可用于 TEER 与外科治疗历史资料之间的对照性讨论。具体分析用途需结合源站进一步信息确定，源站未提供更细化的适用说明。
【使用方法】
源站未提供。
【质量与限制】
该研究为拟开展的多中心、前瞻性队列研究，并采用外科历史对照，历史对照设计本身在比较时需考虑时间相关偏倚等通用方法学问题；除此之外，关于该数据集的具体质量评价、数据完整性、样本量、随访完成率及局限性说明，源站未提供。
【引用与许可】
源站未提供。
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/NCT06162780
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：二尖瓣反流。这是一项拟议的多中心、前瞻性队列研究，旨在纳入并随访接受TEER治疗的、手术风险低至中度的重度DMR患者，以及外科手术历史对照。主要疗效终点为术后24个月的全因死亡和心力衰竭恶化的累积复合事件率，主要安全终点为术后30天的死亡、二次手术及各种并发症。本研究旨在探讨TEER在手术低-中风险重度DMR患者中的疗效和安全性，并为后续临床应用提供依据。
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。
