颈动脉血运重建中的肌钙蛋白研究
该数据集来自 clinicaltrials.gov,聚焦颈动脉狭窄患者接受颈动脉内膜剥脱术(CEA)或颈动脉支架术(CAS)时肌钙蛋白升高的发生情况

基本信息
资源简介
颈动脉血运重建中的肌钙蛋白研究
该数据集来自 clinicaltrials.gov,聚焦颈动脉狭窄患者接受颈动脉内膜剥脱术(CEA)或颈动脉支架术(CAS)时肌钙蛋白升高的发生情况。研究旨在评估术前和术后肌钙蛋白升高能否预测心肌梗死和死亡,并探讨常规肌钙蛋白检测的适用人群及 CEA 与 CAS 之间的差异。计划纳入约 240 例连续患者,覆盖区域/全身麻醉和局部麻醉条件,时间范围为 2022 年 4 月至 8 月。数据可用于围手术期风险预测与心血管事件相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:颈动脉狭窄。研究目的为:1)确定接受 CEA/CAS 的患者术前和术后肌钙蛋白水平升高的发生率;2)评估术前和术后肌钙蛋白水平升高能否预测这些患者中心肌梗死和死亡的发生;3)证明常规术前和术后肌钙蛋白测量对所有患者还是仅对特定亚组患者是合理的;4)评估在这方面接受 CEA 和 CAS 手术的患者之间是否存在差异。一项前瞻性、多中心队列研究将纳入约 240 例连续接受 CEA/CAS 手术的患者,在区域/全身麻醉和局部麻醉条件下,时间范围为 2022 年 4 月至 8 月。因紧急手术而入院接受即刻手术治疗的患者
【主题与分类】
主题标签:Carotid Artery 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/NCT05293067
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/NCT05293067
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:颈动脉狭窄。研究目的:1)确定接受CEA/CAS手术的患者术前和术后肌钙蛋白水平升高的发生率;2)评估术前和术后肌钙蛋白水平升高是否能预测这些患者心肌梗死和死亡的发生;3)证明对所有患者还是仅对特定亚群患者进行常规术前和术后肌钙蛋白检测是否合理;4)评估在这方面接受CEA和CAS手术的患者之间是否存在差异。一项前瞻性、多中心队列研究将纳入约240名连续接受CEA/CAS手术的患者,在区域/全身麻醉和局部麻醉条件下,时间为2022年4月至8月。
因紧急手术需当日立即接受手术治疗而入院的患者、术前存在贫血(无论何种原因,血红蛋白水平<10 g/dL)的患者、计划同期或“分期”行心脏手术或血管手术的患者、既往3个月内发生过急性冠脉事件的患者、研究期间接受多次CEA/CAS的患者,以及可能引起肌钙蛋白水平升高的疾病患者(终末期肾病、脓毒症、急性心包炎和心肌炎、晚期心力衰竭、化疗、全身炎症性疾病及严重肢体缺血)将被排除在研究之外。使用预先设计的问卷,收集标准的人口学和临床数据(与合并症、长期治疗、习惯、既往手术及颈动脉疾病特征相关)。术中数据(颈动脉干预类型、麻醉技术类型及分流管放置)以及术后病程相关数据,将从日常实践中实施的数据库和患者病历中获取。
所有患者均应检测高敏肌钙蛋白,具体如下
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。




