抗磷脂抗体预测感染性心内膜炎栓塞风险研究

该数据集来自 clinicaltrials.gov,聚焦感染性心内膜炎患者,旨在研究抗磷脂抗体在预测感染性心内膜炎期间栓塞风险中的作用

Central Hospital, Nancy, FranceCentral Hospital, Nancy, France
clinicaltrials
浏览 9
其他预测Infective Endocarditis
Research Interest Antiphospholipid in Predicting Embolic Risk During Infective Endocarditis

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-17

资源简介

抗磷脂抗体预测感染性心内膜炎栓塞风险研究

该数据集来自 clinicaltrials.gov,聚焦感染性心内膜炎患者,旨在研究抗磷脂抗体在预测感染性心内膜炎期间栓塞风险中的作用。数据覆盖在 University Hospital of Nancy 住院、按 Li 修改的 Duke 标准诊断为感染性心内膜炎的患者,收集临床、微生物学、辅助治疗及动态检查(含终点)等数据,并由两名专家组成的多学科小组复核验证。可用于探索抗磷脂抗体与栓塞事件的关系,支持栓塞风险预测模型的构建与验证(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:感染性心内膜炎。纳入标准 * 在 University Hospital of Nancy 住院、患有心内膜炎且符合 Li 修改的 Duke 标准的患者。如果患者被负责其管理的医生视为感染性心内膜炎病例并据此治疗,则符合条件。Li 修改的诊断分类 Duke 标准在患者出院时收集所有数据后应用。符合特定感染性心内膜炎的患者将保留用于分析。临床、微生物学数据、源自补充治疗和可扩展检查(包括终点)的数据在住院期间由支持医生收集,并由一名临床研究技术员协助。每份申请由两名专家组成的多学科小组审查以进行验证。一旦记录验证,数据收集

【主题与分类】

主题标签:Infective Endocarditis。本站分类:感染/心内膜炎。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT02887079

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT02887079

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:感染性心内膜炎。纳入标准 * 患者在南锡大学医院住院,患有心内膜炎,符合Li修改的Duke标准。如果患者被负责其管理的医生视为感染性心内膜炎病例并予以治疗,则符合入选条件。Li修改的诊断分类Duke标准在患者出院时收集所有数据后应用。符合特定感染性心内膜炎的患者将保留用于分析。临床、微生物学数据、来自辅助治疗和可扩展检查(包括终点)的数据在住院期间由支持临床研究的医生和技术人员收集。每份申请由两名专家组成的多学科小组审查以进行验证。一旦记录验证通过,数据收集计划表被发送至临床研究中心1433临床流行病学(CIC-EC)以录入数据库。每位患者入院时采集一份血样。这些样本被包装并储存在一个采集库中。

用于检测的血清通过ELISA法检测抗心磷脂(AC)免疫球蛋白G(IgG)和免疫球蛋白M(IgM)同种型。

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。

获取专属数据定制方案