ICU出院时铁缺乏
该数据集来自 clinicaltrials.gov,对应 IRON-RECOVERY 研究,即一项前瞻性、多中心、观察性队列研究,旨在确定重症监护病房(ICU)出院时铁缺乏的患病率,并评估其与 ICU 后临床恢复的关联

基本信息
资源简介
ICU出院时铁缺乏
该数据集来自 clinicaltrials.gov,对应 IRON-RECOVERY 研究,即一项前瞻性、多中心、观察性队列研究,旨在确定重症监护病房(ICU)出院时铁缺乏的患病率,并评估其与 ICU 后临床恢复的关联。研究对象为入住 ICU 的成人患者,覆盖贫血、Post ICU Syndrome、红细胞输注与铁缺乏等主题。数据可用于分析 ICU 出院时铁缺乏的分布及其与后续恢复的关系,并支持以转铁蛋白饱和度(TSAT)识别铁限制性红细胞生成患者的相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:贫血、Post ICU Syndrome、红细胞输注、铁缺乏。IRON-RECOVERY 是一项前瞻性、多中心、观察性队列研究,旨在确定重症监护病房(ICU)出院时铁缺乏的患病率,并评估其与 ICU 后临床恢复的关联。贫血在危重患者中高度流行,且在 ICU 出院后常持续存在。尽管炎症诱导的铁调节异常被认为是持续性贫血的主要机制之一,但铁缺乏在该人群中仍很大程度上未被充分认识,因为传统生物标志物,尤其是铁蛋白,受炎症反应影响。转铁蛋白饱和度(TSAT)已成为更可靠的铁可用性标志物,可能更好地识别铁限制性红细胞生成的患者。入住参与……的成人患者
【主题与分类】
主题标签:Anemia、Post ICU Syndrome、Red Blood Cell Transfusions、Iron Deficiencies。本站分类:血液及造血器官疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07781540
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/NCT07781540
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:贫血、ICU后综合征、红细胞输注、铁缺乏。IRON-RECOVERY是一项前瞻性、多中心、观察性队列研究,旨在确定重症监护病房(ICU)出院时铁缺乏的患病率,并评估其与ICU后临床恢复的关联。贫血在危重患者中高度流行,且在ICU出院后常持续存在。尽管炎症诱导的铁代谢紊乱被认为是持续性贫血的主要机制之一,但铁缺乏在该人群中仍很大程度上未被充分认识,因为常规生物标志物,尤其是铁蛋白,受炎症反应影响。转铁蛋白饱和度(TSAT)已成为更可靠的铁可利用性标志物,可能更好地识别铁限制性红细胞生成的患者。入住参与ICU至少72小时的成年患者将在ICU出院时使用常规实验室检查评估铁状态,包括血红蛋白、血清铁、转铁蛋白、铁蛋白、TSAT和炎症标志物。
在可获得的情况下,还将收集入院时的铁参数,以评估ICU住院期间的变化。不强制实施研究特定的治疗干预,所有治疗决策(包括静脉铁剂给药)仍由主治医师自行决定。主要目标是确定ICU出院时铁缺乏的患病率(定义为TSAT<20%)。次要目标包括评估铁缺乏与ICU后红细胞输注需求、血红蛋白恢复、通过EQ-5D评估的功能状态、再入院、死亡率以及存活且院外天数之间的关联。探索性分析将在调整混杂因素后评估静脉铁剂治疗与临床结局之间的关联。此外,还将研究ICU获得性铁缺乏的危险因素。预计本研究的结果将提供首个前瞻性多中心
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。




