血液恶性肿瘤患者血栓与出血风险研究(HAT Study)
该数据集来自 clinicaltrials.gov,聚焦血液恶性肿瘤住院患者中深静脉血栓诊断后 3 个月内的出血与静脉血栓栓塞复发或进展风险,并考察抗凝药物使用与血小板减少状态的影响

基本信息
资源简介
血液恶性肿瘤患者血栓与出血风险研究(HAT Study)
该数据集来自 clinicaltrials.gov,聚焦血液恶性肿瘤住院患者中深静脉血栓诊断后 3 个月内的出血与静脉血栓栓塞复发或进展风险,并考察抗凝药物使用与血小板减少状态的影响。覆盖急性白血病、霍奇金淋巴瘤、非霍奇金淋巴瘤、浆细胞骨髓瘤、骨髓增殖性肿瘤、造血与淋巴细胞肿瘤及血小板减少等病种。数据可用于评估患者与临床特征数据库构建的可行性、患者入组与止血相关研究的可行性,并支持血栓与出血风险的预测建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:急性白血病、深静脉血栓、造血与淋巴细胞肿瘤、霍奇金淋巴瘤、骨髓增殖性肿瘤、非霍奇金淋巴瘤、浆细胞骨髓瘤、血小板减少。主要目标:I. 基于抗凝药物使用和血小板减少的存在,确定住院恶性血液病患者在深静脉血栓诊断后 3 个月内出血的发生率。II. 基于抗凝药物使用和血小板减少的存在,确定住院恶性血液病患者在深静脉血栓诊断后 3 个月内复发性或进展性静脉血栓栓塞。次要目标:I. 评估建立住院恶性血液病患者血栓形成和出血相关患者及临床特征数据库的可行性。II. 评估患者入组和止血
【主题与分类】
主题标签:Acute Leukemia、Deep Vein Thrombosis、Hematopoietic and Lymphoid Cell Neoplasm、Hodgkin Lymphoma、Myeloproliferative Neoplasm、Non-Hodgkin Lymphoma、Plasma Cell Myeloma、Thrombocytopenia。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05053100
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/NCT05053100
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
疾病:急性白血病、深静脉血栓形成、造血与淋巴细胞肿瘤、霍奇金淋巴瘤、骨髓增殖性肿瘤、非霍奇金淋巴瘤、浆细胞骨髓瘤、血小板减少症。主要目标:I. 根据抗凝药物的使用和血小板减少症的存在,确定住院恶性血液病患者在诊断为深静脉血栓形成后3个月内出血的发生率。II. 根据抗凝药物的使用和血小板减少症的存在,确定住院恶性血液病患者在诊断为深静脉血栓形成后3个月内复发性或进展性静脉血栓栓塞症的情况。次要目标:I. 评估建立住院恶性血液病患者关于血栓形成和出血的患者及临床特征数据库的可行性。II. 评估患者入组以及治疗前、治疗中和治疗后止血实验室样本采集的可行性。III. 描述血小板减少症对血栓形成诊断后资源利用的影响(血液制品输注、进行的影像学检查、住院天数)。IV.
描述治疗性抗凝与预防性抗凝对血栓诊断后资源利用的影响(血液制品输注、进行的影像学检查、住院天数)。V. 定义住院恶性血液病患者化疗前的基线止血特征及其与血栓或出血的关联。VI. 描述治疗前、治疗期间和治疗后实验室止血特征的变化。大纲:审查患者电子健康记录12个月和/或在治疗前及第7、28、90和180天采集血液。
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。




