网织红细胞血红蛋白当量(RET-He)在献血者铁缺乏早期检测中的应用及其对献血者资格与输血安全的潜在影响
该数据集来自 clinicaltrials.gov,聚焦献血者中铁缺乏的早期识别问题。反复捐献全血可消耗体内铁储备,而标准献血前筛查仅依赖血红蛋白水平,血红蛋白下降已是铁缺乏的晚期表现,导致亚临床或潜伏性铁缺乏的献血者常被漏检

基本信息
资源简介
网织红细胞血红蛋白当量(RET-He)在献血者铁缺乏早期检测中的应用及其对献血者资格与输血安全的潜在影响
该数据集来自 clinicaltrials.gov,聚焦献血者中铁缺乏的早期识别问题。反复捐献全血可消耗体内铁储备,而标准献血前筛查仅依赖血红蛋白水平,血红蛋白下降已是铁缺乏的晚期表现,导致亚临床或潜伏性铁缺乏的献血者常被漏检。本数据集围绕网织红细胞血红蛋白当量(RET-He)作为早期实验室标志物的临床价值,评估其在通过标准筛查的献血者中检测铁缺乏的能力,并涉及对献血者资格与输血安全的潜在影响,可用于铁缺乏早期预测与献血者筛查相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Iron Deficiency, Latent Iron Deficiency, Blood Donors, Iron Deficiency Anemia. 献血对医疗保健至关重要,但反复捐献全血会消耗体内铁储备。标准献血前筛查依赖血红蛋白水平以确保献血者安全;然而,血红蛋白下降是铁缺乏的晚期体征。因此,亚临床或潜伏性铁耗竭的献血者常能通过标准献血前筛查而不被发现。本研究的主要目的是评估网织红细胞血红蛋白当量(RET-He)作为早期实验室标志物,在已通过筛查的献血者中检测铁缺乏的临床效用。由于网织红细胞是新形成的红细胞,RET-He 反映过去几天内用于血红蛋白生成的铁可利用性,可能比成熟红细胞更早地检测到铁限制。
【主题与分类】
主题标签:Iron Deficiency、Latent Iron Deficiency、Blood Donors、Iron Deficiency Anemia。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/NCT07861607
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/NCT07861607
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:缺铁、潜在缺铁、献血者、缺铁性贫血。献血对医疗保健至关重要,但反复捐献全血会耗竭体内铁储备。标准献血前筛查依赖血红蛋白水平以确保献血者安全;然而,血红蛋白下降是缺铁的晚期征象。因此,亚临床或潜在铁缺乏的献血者往往能通过标准献血前筛查而不被察觉。本研究的主要目的是评估网织红细胞血红蛋白当量(RET-He)作为早期实验室标志物在已通过筛查的献血者中检测缺铁的临床实用性。由于网织红细胞是新形成的红细胞,RET-He反映过去几天内用于血红蛋白生成的铁可利用性,可能比成熟红细胞指数或标准血红蛋白检测更早地发现铁限制。在这项前瞻性观察性研究中,将在Assiut大学医院主血库招募约300名年龄在18至60岁之间的合格自愿献血者。
在常规献血时,将分析血液样本以进行全血细胞计数(CBC)及RET-He、血清铁蛋白、铁代谢指标(血清铁、总铁结合力和转铁蛋白饱和度)以及C反应蛋白(CRP)检测,以控制炎症因素。参与者还将在其后续的定期献血访问时(男性90天后,女性120天后)重新评估,以评价铁指标随时间的变化,并探究加入RET-He是否能改善献血者资格评估和长期献血者健康。
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。




