无症状重度主动脉瓣狭窄早期瓣膜置换研究
该数据集来自 clinicaltrials.gov,主题为无症状重度主动脉瓣狭窄的早期瓣膜置换研究。研究为在英国、澳大利亚和新西兰开展的多中心前瞻性平行组开放随机对照试验,分先导阶段和主阶段,并设内部试点以验证最初两年招募足够参与者

基本信息
资源简介
无症状重度主动脉瓣狭窄早期瓣膜置换研究
该数据集来自 clinicaltrials.gov,主题为无症状重度主动脉瓣狭窄的早期瓣膜置换研究。研究为在英国、澳大利亚和新西兰开展的多中心前瞻性平行组开放随机对照试验,分先导阶段和主阶段,并设内部试点以验证最初两年招募足够参与者。其总体目标是评估早期 AVR 相比期待管理能否改善临床结局并具成本效果,主要假设是早期 AVR 或 TAVI 可降低心血管死亡与心力衰竭住院的复合主要结局。数据可用于心血管结局预测与治疗策略比较研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:主动脉瓣狭窄。这是一项大型实用性多中心前瞻性平行组开放随机对照试验。将在英国、澳大利亚和新西兰开展,正在多个国家寻求资助以将招募扩展到国际范围。研究分两个阶段:先导阶段和主阶段。因此,研究将开展内部试点,以证明在最初两年内能招募到相关数量的参与者。总体目标是确定在无症状重度主动脉瓣狭窄患者中,早期 AVR 是否比期待管理策略带来更好的临床结局和成本效果。主要假设是,与常规方法相比,无症状重度主动脉瓣狭窄患者接受早期 AVR 或 TAVI 将减少心血管(CV)死亡和心力衰竭住院(HHF)的复合主要结局。
【主题与分类】
主题标签:Aortic Stenosis。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/NCT04204915
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/NCT04204915
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:主动脉瓣狭窄。这是一项大型实用性多中心前瞻性平行组开放随机对照试验。将在英国、澳大利亚和新西兰开展,目前正在多个国家寻求资助以扩大国际招募范围。该研究分为两个阶段:先锋阶段和主要阶段。因此,该研究将进行内部试点,以证明在最初两年内能够招募到所需数量的参与者。总体目标是确定对于无症状的重度主动脉瓣狭窄患者,早期主动脉瓣置换术是否比期待管理策略能带来更好的临床结局和成本效益。主要假设是,与传统的期待管理方法相比,对无症状重度主动脉瓣狭窄患者进行早期主动脉瓣置换术或经导管主动脉瓣植入术将减少心血管死亡和心力衰竭住院这一复合主要结局。潜在参与者将在诊断为重度主动脉瓣狭窄后由临床护理团队成员识别。将使用预先规定的纳入/排除标准对参与者进行资格筛选。
符合条件的参与者将获得一份书面版的参与者信息说明,详细说明研究的确切性质、参与者将涉及的内容以及参与可能带来的任何风险。参与者将至少有24小时的时间考虑这些信息并决定是否参与。该研究将最多随机分配2104名患有严重无症状AS的患者,接受指定的期待管理或主动脉瓣置换术。被随机分配到AVR的参与者将被列入等待名单,目标是在6个月内进行手术,具体取决于当地医院的等待名单。被随机分配到AVR的参与者将接受常规检查/程序,其中可能包括冠状动脉造影。如果冠状动脉造影的结果显示存在冠心病,则由负责
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。




