嗜铬细胞瘤/副神经节瘤前瞻性队列研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT07516275

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：嗜铬细胞瘤、副神经节瘤、血流动力学不稳定、术中并发症。背景：嗜铬细胞瘤/副神经节瘤（PPGL）切除术因儿茶酚胺释放而具有较高的术中血流动力学不稳定（HDI）风险。现有预测模型存在局限性，新型工具需要前瞻性验证。本研究旨在填补这一空白。目的：主要目标为：1）前瞻性验证既往开发的用于预测重度HDI亚型的6变量模型；2）评估实时术中HDI事件早期预警工具的准确性和及时性；3）探讨连续血糖监测（CGM）指标与术中HDI之间的关联；以及4）评估基于AI的术前麻醉评估智能体相较于人工评估者的临床效用。方法：这是一项在北京协和医院开展的单中心、前瞻性、观察性队列研究。将纳入计划接受择期PPGL切除术的合格患者（≥18岁）。

预测模型验证：将使用术前数据（症状、血红蛋白、肿瘤功能状态、肾上腺素/去甲肾上腺素升高倍数、酚苄明剂量）预测HDI亚型（轻度与重度）。将预测亚型与通过术中血流动力学数据（24项指标）事后K-means聚类确定的实际亚型进行比较。实时预警工具验证：该工具将在术中使用，基于前200秒的数据预测60秒后的生命体征（SBP、DBP、MAP、HR）。将其预测值与实际监测值进行比较，并计算其预测高血压、低血压和心动过速事件的敏感性/特异性。CGM探索：患者将从手术前一天至术后一天佩戴CGM传感器。将使用多变量回归分析平均血糖、血糖变异性以及低血糖/高血糖时间等指标与术中HDI结局的关联。AI代理

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。