基因型对术后深静脉血栓的影响

该数据集来源于 clinicaltrials.gov,基于 UK Biobank 协作研究参与者数据,聚焦静脉血栓栓塞症

Copenhagen University Hospital, RigshospitaletCopenhagen University Hospital, Rigshospitalet
clinicaltrials
浏览 6
基因组预测Venous Thromboembolism
Effect of the Genotype on Postoperative DVT

基本信息

模态
基因组
任务类型
预测
创建/更新时间
2026-10-22

资源简介

基因型对术后深静脉血栓的影响

该数据集来源于 clinicaltrials.gov,基于 UK Biobank 协作研究参与者数据,聚焦静脉血栓栓塞症。数据分为手术队列(有注册手术操作的患者)和验证队列(非手术患者),采用 GWAS 方法分析常见单核苷酸多态性(SNPs)与术后 30 天内静脉血栓栓塞事件(VTE)的关联,并在验证队列中重复验证,以评估相同 SNPs 是否同时驱动手术与非手术 VTE 风险。最终模型校正性别、年龄、吸烟、肥胖及开放/微创手术等混杂因素。可用于术后 VTE 遗传风险预测研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:静脉血栓栓塞症。数据提取自 UK Biobank 协作研究的参与者。将检查两个队列:1. 手术队列,由 UK Biobank 数据库中所有有注册手术操作的患者组成;2. 验证队列,由 UK Biobank 数据库中所有非手术患者组成。将采用 GWAS 方法,在手术队列中将常见单核苷酸多态性(SNPs)与手术操作后 30 天内的术后静脉血栓栓塞事件(VTE)相关联。手术 GWAS 步骤的发现将在验证队列中重复,以评估相同的 SNPs 是否同时驱动手术和非手术 VTE 风险。将建立最终 GWAS 模型,校正混杂因素,包括性别、年龄、吸烟、肥胖和开放/微创手术(仅手术发现 GWAS)。

【主题与分类】

主题标签:Venous Thromboembolism。本站分类:内分泌、营养和代谢疾病/肥胖症。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT04940377

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/NCT04940377

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:静脉血栓栓塞症。数据提取自UK Biobank协作研究中的参与者。将考察两个队列:1. 手术队列,由UK Biobank数据库中所有登记有外科手术操作的患者组成;2. 验证队列,由UK Biobank数据库中所有非手术患者组成。将采用GWAS方法,在手术队列中分析常见单核苷酸多态性(SNPs)与外科手术操作后30天内发生的术后静脉血栓栓塞事件(VTE)之间的关联。手术GWAS步骤的发现将在验证队列中进行重复验证,以评估相同的SNPs是否同时驱动手术性和非手术性VTE风险。将建立最终的GWAS模型,并对混杂因素进行校正,包括性别、年龄、吸烟、肥胖以及开放/微创手术(仅限手术发现GWAS)。

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