靶向风险干预与二甲双胍治疗心房颤动 (TRIM-AF)

TRIM-AF 是一项前瞻性随机开放标签盲法终点(PROBE)2x2 析因研究,针对植入起搏器或除颤器且带有心房导线、既往 3 个月内至少出现 1 次 ≥5 分钟心房颤动(AF)发作的患者,评估二甲双胍缓释片(最高 750 mg 每日两次)和/或生活方式与风险因素修正(LRFM)能否减少 AF 负荷

Mina Chung, MDMina Chung, MD
clinicaltrials
浏览 15
基因组预测Atrial Fibrillation
Targeting Risk Interventions and Metformin for Atrial Fibrillation (TRIM-AF)

基本信息

模态
基因组
任务类型
预测
创建/更新时间
2026-10-09

资源简介

靶向风险干预与二甲双胍治疗心房颤动 (TRIM-AF)

TRIM-AF 是一项前瞻性随机开放标签盲法终点(PROBE)2x2 析因研究,针对植入起搏器或除颤器且带有心房导线、既往 3 个月内至少出现 1 次 ≥5 分钟心房颤动(AF)发作的患者,评估二甲双胍缓释片(最高 750 mg 每日两次)和/或生活方式与风险因素修正(LRFM)能否减少 AF 负荷与进展。次要目标为寻找可预测 AF 进展的临床、基因组和生物标志物指标,以支持上游治疗的个体化。数据可用于 AF 进展预测与个体化治疗相关研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:心房颤动。本研究的目的是开展一项前瞻性随机研究,以减少心房颤动(AF)负荷和进展,靶向代谢上游治疗。研究旨在确定二甲双胍和/或生活方式/风险因素修正是否减少 AF 负荷和进展。次要目标将尝试确定可用于个体化上游治疗的 AF 进展的临床、基因组和生物标志物预测因子。这是一项前瞻性随机开放标签盲法终点(PROBE)2x2 析因研究,在植入起搏器或除颤器且带有心房导线、既往 3 个月内至少出现 1 次 ≥5 分钟 AF 发作的患者中,使用二甲双胍缓释片最高 750 mg 每日两次以及生活方式和风险因素修正(LRFM)。

【主题与分类】

主题标签:Atrial Fibrillation。本站分类:内分泌、营养和代谢疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT03603912

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT03603912

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:心房颤动。本研究的目的是开展一项前瞻性随机研究,以减少心房颤动(AF)负荷及进展,针对代谢上游治疗。研究旨在确定二甲双胍和/或生活方式/危险因素调整是否能减少AF负荷及进展。次要目标将尝试确定可用于个体化上游治疗的AF进展的临床、基因组和生物标志物预测因素。这是一项前瞻性随机开放标签盲法终点(PROBE)2x2析因研究,研究对象为植入起搏器或除颤器并带有心房导线、且在既往3个月内至少有1次≥5分钟AF发作的患者,研究二甲双胍缓释片每日两次最多750 mg及生活方式和危险因素调整(LRFM)的效果。

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。

获取专属数据定制方案