VALIANT CAPTIVIA 胸主动脉瘤上市后注册研究
该研究不使用对照组,全部分析均为描述性,不计划进行统计学比较,也未做样本量计算。研究已在欧洲和土耳其 15 个 Valiant Captivia Thoracic Stent Graft System 可商业获得的调查中心入组 100 名受试者,并计划随访约 36 个月,各中心入组人数不设上下限,且

基本信息
资源简介
VALIANT CAPTIVIA 胸主动脉瘤上市后注册研究
VALIANT CAPTIVIA Post-market Registry 是来源于 clinicaltrials.gov 的上市后注册研究数据集,聚焦心血管系统疾病中的胸主动脉瘤。该研究不使用对照组,全部分析均为描述性,不计划进行统计学比较,也未做样本量计算。研究已在欧洲和土耳其 15 个 Valiant Captivia Thoracic Stent Graft System 可商业获得的调查中心入组 100 名受试者,并计划随访约 36 个月,各中心入组人数不设上下限,且会持续评估其对临床研究方案的依从性。该数据可用于了解该器械在真实临床环境中的使用与随访情况(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:胸主动脉瘤。1. 对照的使用 1. 本研究为上市后注册研究,不使用对照。所有分析均为描述性,不计划进行统计学比较。样本量 2. 由于这不是假设驱动的研究,因此没有样本量计算;VALIANT CAPTIVIA 已招募 100 名受试者,并将对这些受试者随访约 36 个月。2. 调查中心数量和研究持续时间 1. 在欧洲和土耳其,Valiant Captivia Thoracic Stent Graft System 可商业获得的 15 个调查中心已入组 100 名受试者。2. 每个调查中心的入组受试者数量不设下限也不设上限。3. 将持续评估各中心对临床研究方案的依从性。如出现严重不依从,申办方可能决定停止受试者入组。
【主题与分类】
主题标签:Aortic Aneurysm, Thoracic。本站分类:心血管系统疾病/胸主动脉瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01181947
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/NCT01181947
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:胸主动脉瘤。1. 对照的使用 1. 本研究为上市后注册研究,未使用对照组。所有分析均为描述性分析,不计划进行统计学比较。样本量 2. 由于本研究非假设驱动型研究,故未进行样本量计算;VALIANT CAPTIVIA已招募100名受试者,并将对这些受试者进行约36个月的随访。2. 研究地点数量和研究持续时间 1. 在欧洲和土耳其,共有15个Valiant Captivia胸主动脉覆膜支架系统已商业上市的研究中心招募了100名受试者。2. 每个研究中心的入组受试者数量无最小或最大限制。3. 将持续评估各研究中心对临床研究方案的依从性。如发生严重不依从情况,申办方可根据评估决定停止某研究中心的受试者招募。
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。




