胸外科患者固定剂量与基于体重依诺肝素给药对比
该数据集来自 clinicaltrials.gov,聚焦胸外科手术患者中固定剂量与基于体重的依诺肝素给药方案对比,涉及静脉血栓栓塞症、深静脉血栓与手术等主题

基本信息
资源简介
胸外科患者固定剂量与基于体重依诺肝素给药对比
该数据集来自 clinicaltrials.gov,聚焦胸外科手术患者中固定剂量与基于体重的依诺肝素给药方案对比,涉及静脉血栓栓塞症、深静脉血栓与手术等主题。源站描述指出,VTE 包含深静脉血栓与肺栓塞,每年导致超过 10 万名住院患者死亡,其年死亡人数超过机动车事故与乳腺癌年发病负担之和,其中三分之一死亡发生在手术后。尽管接受了符合指南的化学预防,患者仍可能出现突破性 VTE 事件。来自该研究团队及其他来源的现有数据提示,以 aFXa 水平量化的依诺肝素剂量不足,可能是突破性 VTE 的合理解释机制(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:静脉血栓栓塞症、深静脉血栓、手术。VTE 包括深静脉血栓和肺栓塞,是每年超过 100,000 名住院患者死亡的直接原因 4,5。为了更好地说明这一点,VTE 每年导致的死亡人数超过机动车碰撞和乳腺癌的年度发病负担之和——并且已知其中三分之一的死亡发生在手术之后 34。尽管患者接受了符合指南的化学预防,“突破性”VTE 事件仍会发生。这些事件可能令外科医生感到沮丧,可能给医院系统带来资源和财务负担,最重要的是,可能对患者造成生命或肢体威胁。来自我们团队和其他人的现有数据表明,以 aFXa 水平量化的依诺肝素剂量不足,代表了“突破性”VTE 的一种合理解释机制
【主题与分类】
主题标签:Venous Thromboembolism、Deep Venous Thrombosis、Surgery。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03251963
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/NCT03251963
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:静脉血栓栓塞症、深静脉血栓形成、手术。静脉血栓栓塞症包括深静脉血栓形成和肺栓塞,每年是超过10万名住院患者死亡的直接原因4,5。更具体地说,静脉血栓栓塞症每年导致的死亡人数超过了机动车碰撞和乳腺癌年度发病率的总和——而且已知这些死亡中有三分之一发生在手术后34。尽管患者接受了符合指南的化学预防措施,但仍会发生“突破性”静脉血栓栓塞事件。这些事件可能令外科医生感到沮丧,可能给医院系统带来资源和财务负担,最重要的是,可能对患者构成生命或肢体威胁。我们团队和其他人的现有数据表明,通过抗Xa因子水平量化的依诺肝素剂量不足,可能是胸外科患者中发生“突破性”静脉血栓栓塞事件的一个合理解释机制。本项目将研究VATS术后固定剂量依诺肝素(40mg/天)的药效学——在最近一项对胸外科医生的调查中,该剂量和频率是最常用的静脉血栓栓塞化学预防策略35。
如果在固定剂量依诺肝素给药下观察到aFXa水平不足,本研究将设计、实施并测试一种基于体重的给药方案,以优化aFXa水平。本研究还将探讨依诺肝素剂量幅度的改变如何影响峰值aFXa水平以及VTE和重大出血事件的风险。目标1:评估VATS患者在接受固定剂量依诺肝素预防(40mg每日一次)后的峰值稳态aFXa水平。理由:超过12%的胸外科患者在接受固定剂量化学预防后仍发生“突破性”VTE事件29。固定剂量依诺肝素预防在其他外科亚专科中已被证明对大多数患者而言不足。假设:VATS术后40%的患者的峰值稳态aFXa水平将处于可接受范围(0.3-0.5 IU/mL)内。目标2:比较固定剂量(40mg
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。




