IVCare 适应性平台试验
IVCare 适应性平台试验来自 clinicaltrials.gov,属于感染性疾病与脓毒症领域。该试验面向已使用或需要使用中心血管通路装置(CVAD)的人群,涵盖 PICC、非隧道式或隧道式 CVC 以及完全植入式静脉输液港

基本信息
资源简介
IVCare 适应性平台试验
来自 clinicaltrials.gov,属于感染性疾病与脓毒症领域。该试验面向已使用或需要使用中心血管通路装置(CVAD)的人群,涵盖 PICC、非隧道式或隧道式 CVC 以及完全植入式静脉输液港。所有入组者均参与观察性队列,干预域为可选,可同时进入多个干预域,各域另有独立的纳入与排除标准。随访最长 180 天。数据可用于研究器械相关感染、血管通路并发症、器械相关脓毒症与导管感染等临床问题(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:器械相关感染、血管通路并发症、器械相关脓毒症、导管感染。已使用或需要使用 CVAD 的参与者,包括外周插入中心导管(PICC)、非隧道式或隧道式中心静脉导管(CVC)或完全植入式静脉输液港,均有资格参加 IVCare 试验。参与观察性队列是试验参与的核心组成部分,所有入组参与者均需参与。参与干预域是可选的。参与者可同时入组多个干预域。每个域除核心资格要求外,还有各自的纳入和排除标准。参与者将从入组观察性队列或随机分配至一项或多项干预措施起,接受最长 180 天的随访。在观察性队列中完成随访的参与者
【主题与分类】
主题标签:Device Related Infection、Vascular Access Complication、Device Related Sepsis、Catheter Infection。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/NCT07587593
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/NCT07587593
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
病症:器械相关感染、血管通路并发症、器械相关脓毒症、导管感染。已留置或需要留置CVAD的参与者,包括经外周置入中心静脉导管(PICC)、非隧道式或隧道式中心静脉导管(CVC),或完全植入式静脉输液港,均符合IVCare试验的入选条件。参与观察性队列是试验参与的核心组成部分,所有入组参与者均需参与。参与干预领域为可选。参与者可同时入组多个干预领域。除核心入选要求外,每个领域均有其各自的纳入和排除标准。参与者将自入组观察性队列或随机分配至一项或多项干预措施起接受最长180天的随访。在观察性队列和/或一个或多个干预领域完成随访的参与者,若符合入选标准,可能有资格重新入组。本适应性平台试验无固定样本量。
每个领域的招募将依据预先设定的中期分析指导,这些分析采用贝叶斯方法对累积数据进行评估。预设的决策规则将决定适应性调整,包括因无效、非劣效或干预措施在每个领域内显示优越性而提前终止。
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。




