急性炎症背景下铁状态改变患者铁补充的前瞻性队列研究(CARMI)
该数据集来自 clinicaltrials.gov,对应一项前瞻性队列研究,聚焦急性炎症背景下铁状态改变的贫血患者。研究评估铁补充对贫血伴炎症患者的效果,主要终点为出院后3个月时接受与未接受铁补充治疗患者之间血红蛋白水平的差异,假设铁补充可改善铁状态改变(铁蛋白30至300 µg/L且转铁蛋白饱和度

基本信息
资源简介
急性炎症背景下铁状态改变患者铁补充的前瞻性队列研究(CARMI)
该数据集来自 clinicaltrials.gov,对应一项前瞻性队列研究,聚焦急性炎症背景下铁状态改变的贫血患者。研究评估铁补充对贫血伴炎症患者的效果,主要终点为出院后3个月时接受与未接受铁补充治疗患者之间血红蛋白水平的差异,假设铁补充可改善铁状态改变(铁蛋白30至300 µg/L且转铁蛋白饱和度系数TSC<20%)贫血患者的血红蛋白水平。数据可用于分析铁补充与血红蛋白变化的关系,支持贫血与炎症相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:贫血、炎症。本研究的主要目的是评估铁补充对伴有炎症且铁状态改变的贫血患者的有效性。主要终点是出院后3个月时接受与未接受铁补充治疗的患者之间血红蛋白水平的差异,我们的假设是,在急性炎症背景下,对于贫血且铁状态改变(铁蛋白在30至300 µg/L之间且转铁蛋白饱和度系数(TSC)<20%)的患者,与不补充相比,铁补充可改善三个月时的血红蛋白水平。次要目标是评估铁补充对贫血和炎症患者中铁状态处于“灰色地带”(铁蛋白在30至300 µg/L之间且转铁蛋白饱和度系数(TSC)<20%)的有效性,以识别
【主题与分类】
主题标签:Anemia、Inflammation。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/NCT07014436
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/NCT07014436
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、炎症。本研究的主要目的是评估补铁治疗对伴有炎症和铁状态异常的贫血患者的有效性。主要终点是出院后3个月时接受与未接受含铁补充剂治疗的患者之间血红蛋白水平的差异,我们的假设是,在急性炎症背景下,对于贫血且铁状态异常(铁蛋白在30至300 µg/L之间,转铁蛋白饱和度系数(TSC)< 20%)的患者,与不补充相比,补铁可改善三个月时的血红蛋白水平。
次要目标是评估铁剂补充对贫血且伴有炎症、铁状态处于“灰色地带”(铁蛋白在30至300 µg/L之间,转铁蛋白饱和度系数(TSC)< 20%)患者的有效性,识别在补铁治疗组中与贫血纠正相关的人口学、临床和生物学因素,识别在非补铁治疗组中与贫血纠正相关的人口学、临床和生物学因素,并评估铁剂补充的安全性。对住院前三天内贫血(男性血红蛋白< 13 g/dL,女性< 12 g/dL)、伴有炎症(CRP > 30 mg/L)且铁状态处于“灰色地带”(铁蛋白在30至300 µg/L之间,转铁蛋白饱和度< 20%)的患者,根据其常规诊疗中所选择的铁剂补充策略进行观察,从而可回顾性地分为两组:* A组:尽管铁蛋白在30至300 µg/L之间且转铁蛋白饱和度系数(TSC)< 20%,仍接受了铁剂补充的患者。
- B组:尽管铁蛋白在30至300 µg/L之间且转铁蛋白饱和度系数(TSC)< 20%,但未接受铁补充剂的患者。将收集各组患者的社会人口学和临床数据,以控制潜在的混杂因素。
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。




