COVID-19脓毒症患者凝血障碍数据集

该数据集来自clinicaltrials.gov,聚焦COVID-19危重症患者中COVID相关凝血障碍(CAC)与脓毒症状态的关系

Cantonal Hospital ZenicaCantonal Hospital Zenica
clinicaltrials
浏览 15
蛋白质预测Coagulation DisorderCOVID 19 Associated CoagulopathySepsisSeptic ShockCOVID-19
Coagulation Disturbances in COVID-19 Septic Patients

基本信息

模态
蛋白质
任务类型
预测
创建/更新时间
2026-10-20

资源简介

COVID-19脓毒症患者凝血障碍数据集

该数据集来自clinicaltrials.gov,聚焦COVID-19危重症患者中COVID相关凝血障碍(CAC)与脓毒症状态的关系。数据记录了入院当天及开始有创机械通气当天的年龄、性别、合并症、qSOFA评分、血管升压药需求及血小板、中性粒细胞、淋巴细胞、PCT、CRP、纤维蛋白原、D-二聚体、SIC和DIC评分等实验室指标。主要结局为确立CAC与脓毒症的关联,次要结局为CAC在脓毒症和脓毒性休克中的发生率,可用于凝血障碍与脓毒症关系的预测建模(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:凝血障碍、COVID 19相关凝血障碍、脓毒症、脓毒性休克。本研究旨在确定COVID-19危重症患者中CAC与脓毒症状态的关系。记录入院当天及开始有创机械通气当天的数据,包括年龄、性别、合并症、快速序贯器官衰竭评估(qSOFA)评分、血管升压药需求、实验室检查:血小板、中性粒细胞、淋巴细胞、降钙素原(PCT)、C反应蛋白(CRP)、纤维蛋白原、D-二聚体、脓毒症诱导凝血病(SIC)和弥散性血管内凝血(DIC)评分。主要结局是确立CAC与脓毒症的关系;次要结局指标是COVID-19危重症患者中脓毒症和脓毒性休克时CAC的发生率。

【主题与分类】

主题标签:Coagulation Disorder、COVID 19 Associated Coagulopathy、Sepsis、Septic Shock。本站分类:感染性疾病/脓毒症。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT05496816

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/NCT05496816

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

研究条件:凝血功能障碍、COVID-19相关凝血病、脓毒症、脓毒性休克。本研究旨在确定重症COVID-19患者中CAC与脓毒症状态之间的关系。记录入院当天及开始有创机械通气当天的数据,包括年龄、性别、合并症、快速序贯器官衰竭评估(qSOFA)评分、血管升压药需求、实验室检查结果:血小板、中性粒细胞、淋巴细胞、降钙素原(PCT)、C反应蛋白(CRP)、纤维蛋白原、D-二聚体、脓毒症诱导凝血病(SIC)及弥散性血管内凝血(DIC)评分。主要结局为确立CAC与脓毒症的关系;次要结局指标为重症COVID-19患者中脓毒症及脓毒性休克时CAC的发生率。

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