腹腔镜嗜铬细胞瘤/副神经节瘤切除术后心肌损伤预测
该数据集来自clinicaltrials.gov，为单中心观察性双向队列研究，聚焦腹腔镜嗜铬细胞瘤/副神经节瘤（PPGL）切除术后心肌损伤
基本信息
资源简介
腹腔镜嗜铬细胞瘤/副神经节瘤切除术后心肌损伤预测
Prediction of Myocardial Injury After Laparoscopic Pheochromocytoma/ParaGangLioma Resection 数据集来自 clinicaltrials.gov，对应一项单中心观察性双向队列研究，聚焦腹腔镜嗜铬细胞瘤/副神经节瘤（PPGL）切除术后心肌损伤。该研究在回顾性研究基础上构建结构化数据库，考察腹腔镜 PPGL 切除术中心肌损伤的发生率，并进一步分析心肌损伤相关危险因素，尤其纳入血压、心率等生命体征的时序数据，以构建高效稳健的心肌损伤预测模型；同时开展前瞻性队列研究对模型进行验证，以检验其预测能力并降低心肌损伤发生率。研究计划入组 700 例患者，其中回顾性至少 550 例、前瞻性 150 例，预测模型的主要终点事件为二分类结局。本站将其归类为肿瘤 / 脑肿瘤，主题标签为 PGL。
【数据集背景】
腹腔镜嗜铬细胞瘤/副神经节瘤（PPGL）切除术围术期血流动力学波动剧烈，术后心肌损伤是值得关注的临床问题。该研究以 PGL 为条件，采用单中心观察性双向队列设计，在回顾性研究基础上建立结构化数据库，系统考察腹腔镜 PPGL 切除术中心肌损伤的发生情况，并分析其相关危险因素，进而构建心肌损伤预测模型，并通过前瞻性队列验证模型的预测能力，最终服务于降低心肌损伤发生率的目标。
【数据内容】
源站描述显示，该研究计划构建结构化数据库，纳入接受腹腔镜 PPGL 切除术的患者资料，重点包括血压、心率等生命体征的时序数据，用于构建心肌损伤预测模型。预测模型的主要终点事件为二分类结局。研究计划入组 700 例患者，包括至少 550 例回顾性患者和 150 例前瞻性患者。除上述内容外，具体变量字段、数据规模细节与随访安排源站未提供。
【采集与来源】
数据来源于 clinicaltrials.gov 登记的该项单中心观察性双向队列研究。采集方式为在回顾性研究基础上构建结构化数据库，并同步开展前瞻性队列研究以验证模型。研究条件为 PGL，研究类型为观察性、双向（ambispective）队列研究。源站未提供具体的采集机构、采集时间窗与数据录入流程。
【适用场景】
该数据集适用于围术期心肌损伤相关的临床研究场景，尤其是腹腔镜嗜铬细胞瘤/副神经节瘤切除术患者术后心肌损伤的发生率估计、危险因素分析，以及基于生命体征时序数据的心肌损伤预测模型开发与验证。其二分类主要终点适合用于预测模型的构建与预测能力评估，也可用于回顾性与前瞻性数据相结合的队列研究方法学实践。
【使用方法】
源站未提供具体的使用方法说明。依据源站描述，可将回顾性队列数据用于心肌损伤预测模型的构建与危险因素分析，并利用前瞻性队列数据对模型进行验证，以检验其预测能力；模型主要终点按二分类结局处理。具体的数据访问方式、字段说明与分析流程源站未提供。
【质量与限制】
该研究为单中心观察性研究，源站未提供样本代表性、数据完整性、缺失值处理与偏倚控制等方面的具体信息。研究计划入组 700 例患者（回顾性至少 550 例、前瞻性 150 例），实际入组与数据质量情况源站未提供。由于为观察性设计，相关结论的因果推断能力有限；模型预测能力需以前瞻性队列验证结果为准，源站未提供验证结果。
【引用与许可】
源站未提供引用格式与许可条款信息。使用时应遵循 clinicaltrials.gov 的相关要求，具体引用方式与数据使用许可源站未提供。
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/NCT05752773
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：PGL。MI-PPGL是一项单中心观察性双向队列研究。在回顾性研究的基础上，研究团队计划建立一个结构化数据库，以调查腹腔镜PPGL切除术中心肌损伤的发生率，并进一步分析心肌损伤相关危险因素。特别是将纳入生命体征（血压、心率）等时间数据，以构建高效且稳健的心肌损伤预测模型。同时，开展前瞻性队列研究对模型进行验证，从而检验心肌损伤的预测能力并降低心肌损伤的发生率。研究者预计入组700例患者，其中至少550例为回顾性患者，150例为前瞻性患者。在本研究中，预测模型的主要终点事件为二分类结局。根据“10EPV”原则进行保守估计，即模型中纳入的每个预测因素至少需要10个阳性结局终点用于估计（每个变量10个事件）。研究者预计模型中纳入5至8个预测因素，并至少纳入80个阳性事件。
围术期心肌损伤的发生率为12%~20%，因此估计样本量至少为666例患者。考虑到数据缺失或受试者退出研究的情况，研究者预计纳入700例患者，其中至少包括550例回顾性病例和150例前瞻性病例。将使用STATA（15.0版；Stata Corp.，美国德克萨斯州）和R 3.6.1软件（R Foundation for Statistical Computing，奥地利维也纳）进行统计分析。采用二元logistic回归筛选危险因素并进行风险分层。P<0.05视为差异有统计学意义。在预测建模中，将临床数据库按9：1或8：2随机拆分为训练样本和验证样本。在训练样本中，将采用最优子集法和LASSO回归进行特征
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。
