加拿大缺血性心肌病患者CABG或PCI试验(STICH3C)
STICH3C 是一项来自 clinicaltrials.gov 的临床试验数据集,聚焦缺血性心肌病合并左室收缩功能不全患者,比较当代 PCI 与 CABG 两种血运重建策略的临床疗效与安全性

基本信息
资源简介
加拿大缺血性心肌病患者CABG或PCI试验(STICH3C)
STICH3C 是一项来自 clinicaltrials.gov 的临床试验数据集,聚焦缺血性心肌病合并左室收缩功能不全患者,比较当代 PCI 与 CABG 两种血运重建策略的临床疗效与安全性。数据覆盖多支血管或左主干冠状动脉病变人群,受试者按 1:1 比例随机分配至两个研究组。该数据可用于评估血运重建方式对临床结局的相对影响,为这一脆弱人群的临床管理决策提供随机对照证据,并支持心血管领域疗效与安全性预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:冠状动脉疾病、收缩性心力衰竭。比较 PCI 与 CABG 联合药物治疗在 iLVSD 患者中的证据,已成为多项观察性研究系统评价/荟萃分析的主题,但结果不一致。目前缺乏来自具有足够把握度的随机试验的证据,来比较当代最先进的 PCI 与 CABG,以指导 iLVSD 这一脆弱患者群体的临床管理。理解两种血运重建策略对该常见人群临床结局的相对影响,将具有重要的临床意义。STICH3C 试验的总体目标是比较当代 PCI 与 CABG 治疗多支血管/左主干(LM)CAD 合并 iLVSD 患者的临床疗效与安全性。参与者将按 1:1 比例分配至任一研究组,使用 permute
【主题与分类】
主题标签:Coronary Artery Disease、Heart Failure Systolic。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/NCT05427370
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/NCT05427370
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:冠状动脉疾病、收缩性心力衰竭。在iLVSD患者中,比较PCI和CABG与药物治疗的证据已成为多项观察性研究的系统评价/meta分析的主题,但结果不一致。目前缺乏来自适当把握度随机试验的证据,用以比较当代最先进的PCI与CABG,以指导iLVSD这一脆弱患者群体的临床管理。了解两种血运重建策略对这一常见人群临床结局的相对影响将具有重要的临床意义。STICH3C试验的首要目的是比较当代PCI与CABG治疗多支血管/左主干(LM)CAD合并iLVSD患者的临床疗效和安全性。参与者将通过一个中心控制、自动化、网络系统,采用置换区组随机化,按研究中心和急性冠脉综合征(ACS)表现进行分层,以1:1的比例分配至任一研究组。提供知情同意的合格患者可被纳入。
预计初次血运重建将在随机分组后2周内进行。分期PCI预计在随机分组后90天内进行。招募工作将在3年内完成,整个研究周期为7年,中位随访时间为5年。
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。




