首次深静脉血栓后的渐进式步态训练：临床有效性与相关机制（DVT-Cph RCT）
该数据集来自 clinicaltrials.gov，围绕首次深静脉血栓（DVT）后的渐进式步态训练，包含一项随机对照试验（DVT-Cph RCT），并关联前置可行性试验（NCT05761119）与前瞻性队列研究（NCT05789108）
基本信息
资源简介
首次深静脉血栓后的渐进式步态训练：临床有效性与相关机制（DVT-Cph RCT）
该数据集来自 clinicaltrials.gov，围绕首次深静脉血栓（DVT）后的渐进式步态训练，包含一项随机对照试验（DVT-Cph RCT），并关联前置可行性试验（NCT05761119）与前瞻性队列研究（NCT05789108）。可行性试验通过定量结局评估干预与试验流程的可行性，并通过定性访谈了解患者体验与态度；队列研究则借助炎症、抗炎、免疫及衰老生物标志物，刻画急性入院的深静脉血栓患者，以探索长期并发症的预防与治疗。数据可用于评估步态训练的临床有效性、相关机制及患者预后（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：深静脉血栓（DVT）。DVT-Cph RCT 将由一项前置可行性试验（NCT05761119）进行资格认定，该试验旨在研究：（1）使用定量结局评估干预和试验流程的可行性，以及（2）通过定性访谈了解患者对干预的体验和态度。与 RCT 同时进行的一项前瞻性队列研究（DVT-Cph 队列研究；NCT05789108）将通过炎症、抗炎、免疫和衰老生物标志物，对急性入院的深静脉血栓患者进行调查和特征描述，以更好地理解长期并发症的预防和治疗选择。入组可行性试验以及 DVT-Cph RCT 的患者也可以入组 DVT-Cph 队列研究，以利用研究协同效应并增强研究信息获取。
【主题与分类】
主题标签：Deep Vein Thrombosis (DVT)。本站分类：免疫系统疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06909240
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/NCT06909240
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：深静脉血栓形成（DVT）。DVT-Cph随机对照试验（RCT）将以前瞻性可行性试验（NCT05761119）为前提，该试验旨在探究：（1）采用定量结果评估干预措施及试验流程的可行性；（2）通过定性访谈了解患者对干预措施的体验与态度。与RCT同步，一项前瞻性队列研究（DVT-Cph队列研究；NCT05789108）将通过炎症、抗炎、免疫及衰老生物标志物，对急性入院的深静脉血栓患者进行探究与特征描述，以期更深入地理解长期并发症的预防与治疗选择。参与可行性试验及DVT-Cph RCT的患者亦可加入DVT-Cph队列研究，以利用研究协同效应，增强研究信息的获取。
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。
