氨甲环酸与遗传性出血性毛细血管扩张症鼻出血
该数据集来自 clinicaltrials.gov，聚焦遗传性出血性毛细血管扩张症（HHT，Rendu-Osler-Weber 综合征）患者常见的鼻出血问题
基本信息
资源简介
氨甲环酸与遗传性出血性毛细血管扩张症鼻出血
该数据集英文名为 Tranexamic Acid and Epistaxis in Hereditary Hemorrhagic Telangiectasia (HHT)，来源于 clinicaltrials.gov，在本站归入血液及造血器官疾病 / 其他类别。其主题聚焦遗传性出血性毛细血管扩张症（HHT，又称 Rendu-Osler-Weber 综合征）患者常见的鼻出血问题。源站描述指出，HHT 在多数病例中伴随频繁鼻出血，文献中已有若干报告支持使用氨甲环酸等抗纤溶药物来减少鼻出血。该研究旨在检验口服氨甲环酸能否改善贫血（使血红蛋白水平升高）以及能否减少鼻出血。数据集围绕这一临床问题组织，可供关注 HHT 相关鼻出血与贫血管理的研究者参考使用。
【数据集背景】
遗传性出血性毛细血管扩张症（HHT，Rendu-Osler-Weber 综合征）是一种与频繁鼻出血相关的疾病，多数病例都会出现鼻出血表现。源站描述提到，文献中已有若干报告支持使用氨甲环酸等抗纤溶药物以减少鼻出血。基于这一背景，该研究围绕口服氨甲环酸在 HHT 患者中的作用展开，设定了两个主要目标：一是检验其能否改善贫血、使血红蛋白水平升高；二是检验其能否减少鼻出血。数据集即围绕上述临床问题形成，主题标签为 Hereditary Hemorrhagic Telangiectasia。
【数据内容】
该数据集对应的研究关注 HHT 患者的鼻出血问题，并以口服氨甲环酸为干预关注点。源站描述明确了两项研究目标：改善贫血（导致血红蛋白水平升高）与减少鼻出血。除上述研究目标与主题信息外，数据集所包含的具体变量、记录条数、随访时间点、血红蛋白测量方式及鼻出血评估指标等细节，源站未提供。
【采集与来源】
该数据集来自 clinicaltrials.gov。源站描述给出了研究涉及的疾病条件（Hereditary Hemorrhagic Telangiectasia）以及研究目标，但关于具体的采集机构、采集地点、采集时间范围、样本量及招募方式等信息，源站未提供。
【适用场景】
基于现有信息，该数据集可用于了解 HHT 相关鼻出血与贫血问题的研究设计背景，尤其是围绕口服氨甲环酸这一抗纤溶干预所设定的研究目标。适合作为检索与参考材料，帮助研究者定位 HHT 鼻出血管理相关的临床研究信息。关于更具体的分析用途、统计建模场景或临床决策支持应用，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据获取方式、字段说明、访问权限及分析操作指引等。
【质量与限制】
源站未提供关于数据质量、完整性、准确性验证或已知偏差的说明。由于缺乏样本量、测量方法与随访安排等信息，使用者难以据此评估数据的具体适用边界；相关限制信息源站未提供。
【引用与许可】
源站未提供该数据集的引用格式与许可条款信息。
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/NCT01031992
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
疾病：遗传性出血性毛细血管扩张症。遗传性出血性毛细血管扩张症（HHT，Rendu-Osler-Weber综合征）在多数病例中与频繁鼻出血相关。文献中的若干报告支持使用氨甲环酸等抗纤溶药物来减少鼻出血。本研究的目标是检验口服氨甲环酸是否能1. 改善贫血（导致血红蛋白水平升高）2. 减少鼻出血。
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。
