炎症性关节炎与心脏病的关系
该数据集来自 clinicaltrials.gov,属于循环系统疾病/心力衰竭分类,聚焦炎症性关节炎(包括类风湿关节炎与中轴型脊柱关节炎)门诊患者的心脏合并症

基本信息
资源简介
炎症性关节炎与心脏病的关系
该数据集来自 clinicaltrials.gov,属于循环系统疾病/心力衰竭分类,聚焦炎症性关节炎(包括类风湿关节炎与中轴型脊柱关节炎)门诊患者的心脏合并症。研究为前瞻性队列,随机抽取约1200例患者,采用常规超声心动图及心脏生物标志物(NT-pro-BNP、hs-TNT、hs-CRP)评估显性与无症状性心脏功能障碍的患病率,并对无已知心脏病患者进行2年、5年和10年随访,可用于心脏功能障碍的预测与队列分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:炎症性关节炎、类风湿关节炎、强直性脊柱炎、中轴型脊柱关节炎、脊柱关节炎、心力衰竭、缺血性心脏病、瓣膜性心脏病。这项前瞻性队列研究的目标是在约1200例患者的随机样本中调查心脏合并症,这些患者来自被统称为炎症性关节炎(IA)的类风湿关节炎和中轴型脊柱关节炎门诊患者人群。它旨在回答的主要问题包括: 使用常规超声心动图,研究者旨在确定大型IA门诊患者随机样本中显性和无症状性心脏功能障碍的患病率。心脏功能障碍将通过超声心动图和心脏生物标志物(NT-pro-BNP、hs-TNT和hs-CRP)进行评估。 在无已知心脏病的患者中:使用2年、5年和10年随访,研究者a
【主题与分类】
主题标签:Inflammatory Arthritis、Rheumatoid Arthritis、Spondylitis, Ankylosing、Axial Spondyloarthritis、Spondyloarthritis、Heart Failure、Ischemic Heart Disease、Valvular Heart Disease、Left Ventricular Systolic Dysfunction、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/NCT05647577
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/NCT05647577
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:炎症性关节炎、类风湿关节炎、脊柱炎、强直性、中轴型脊柱关节炎、脊柱关节炎、心力衰竭、缺血性心脏病、瓣膜性心脏病。这项前瞻性队列研究的目标是在约1200名患者的随机样本中调查心脏合并症,这些患者来自被统称为炎症性关节炎(IA)的类风湿关节炎和中轴型脊柱关节炎门诊患者群体。该研究旨在回答的主要问题包括:* 研究人员旨在使用常规超声心动图,在大型IA门诊患者随机样本中确定显性和无症状性心脏功能障碍的患病率。心脏功能障碍将通过超声心动图和心脏生物标志物(NT-pro-BNP、hs-TNT和hs-CRP)进行评估。
- 在无已知心脏病的患者中:通过2年、5年和10年随访,研究者旨在探讨先进超声心动图能否用于检测心脏病的早期征象,方法是研究将形变测量指标——单独以及与选定生物标志物联合——加入传统危险因素后,对IA患者心脏风险评估的临床意义。参与者将接受超声心动图检查,并结合一般健康评估,包括获取心脏生物标志物和心电图。利用先进超声心动图——组织多普勒成像、二维斑点追踪超声心动图、三维超声心动图和三维斑点追踪超声心动图——研究者还旨在将IA患者的心肌形变参数与来自哥本哈根城市心脏研究、无IA且性别和年龄匹配的对照组进行比较。
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。




