预测复杂性憩室炎是否如此困难?
研究回顾性评估了 2018 至 2022 年间在急诊门诊确诊为 AD 并登记于医院数据库的 101 例患者,采集其人口学数据与入院时实验室结果,并依据世界急诊外科学会(WSES)标准将患者分为非复杂性(Group I)与复杂性憩室炎(Group II)

基本信息
资源简介
预测复杂性憩室炎是否如此困难?
该数据集来自 clinicaltrials.gov,聚焦憩室炎(Diverticulitis)。研究回顾性评估了 2018 至 2022 年间在急诊门诊确诊为 AD 并登记于医院数据库的 101 例患者,采集其人口学数据与入院时实验室结果,并依据世界急诊外科学会(WSES)标准将患者分为非复杂性(Group I)与复杂性憩室炎(Group II)。评估的实验室指标包括白蛋白、白细胞计数(WBC)、C 反应蛋白(CRP)、中性粒细胞计数、中性粒细胞与淋巴细胞比值(NLR)及淋巴细胞与单核细胞比值(LMR)。该数据可用于探索入院实验室指标对复杂性憩室炎的预测与分类价值(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Diverticulitis. 对 2018 年至 2022 年间在急诊门诊被诊断为 AD 并登记于我院数据库的 101 例患者进行了回顾性评估。评估了患者的人口学数据及入院时的实验室结果。根据世界急诊外科学会(WSES)标准,将患者分为非复杂性(Group I)或复杂性憩室炎(Group II)。评估了入院时的实验室值,包括白蛋白、白细胞计数(WBC)、C 反应蛋白(CRP)、中性粒细胞计数、中性粒细胞与淋巴细胞比值(NLR)以及淋巴细胞与单核细胞比值(LMR)。
【主题与分类】
主题标签:Diverticulitis。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/NCT07322926
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/NCT07322926
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
病情:憩室炎。回顾性评估了2018年至2022年间在我院急诊门诊被诊断为AD并登记于我院数据库的101例患者。评估了患者的人口学数据及入院时的实验室检查结果。根据世界急诊外科学会(WSES)标准,将患者分为非复杂性憩室炎(I组)或复杂性憩室炎(II组)。评估了入院时的实验室指标,包括白蛋白、白细胞计数(WBC)、C反应蛋白(CRP)、中性粒细胞计数、中性粒细胞与淋巴细胞比值(NLR)以及淋巴细胞与单核细胞比值(LMR)。
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。




