急性静脉曲张出血患者临床结局数据集
该数据集来自 clinicaltrials.gov,聚焦肝硬化相关门静脉高压与急性静脉曲张出血患者,通过回顾性收集电子病历获取基线特征、入院血流动力学与实验室指标、腹水或脑病、合并症、肝细胞癌、门静脉血栓、内镜时机与干预类型、药物治疗及输血需求等临床信息

基本信息
资源简介
急性静脉曲张出血患者临床结局数据集
该数据集来自 clinicaltrials.gov,聚焦肝硬化相关门静脉高压与急性静脉曲张出血患者,通过回顾性收集电子病历获取基线特征、入院血流动力学与实验室指标、腹水或脑病、合并症、肝细胞癌、门静脉血栓、内镜时机与干预类型、药物治疗及输血需求等临床信息。数据可用于分析患者临床特征分布、结局相关因素,并支持构建预测模型,为静脉曲张出血患者的风险评估与临床决策提供依据(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:肝硬化相关门静脉高压、静脉曲张出血、肝硬化、肝脏。按照纳入和排除标准,患者入组后,将回顾性从电子病历中收集数据,包括:基线特征:年龄、性别、肝病病因、Child-Pugh评分、MELD评分(如可用)。临床数据:入院时血流动力学状态(SBP)、实验室值(Hb、INR、PT、血小板、肌酐、Na、纤维蛋白原、血清白蛋白、CRP)、腹水或脑病的存在、合并症、肝细胞癌、门静脉血栓、内镜时机、内镜干预类型(EVL、氰基丙烯酸酯)、药物治疗(血管活性药物、抗生素)、输血需求。统计分析计划:连续变量将表示为均值±SD或中位数(IQR),分类变量表示为频率和百分比。
【主题与分类】
主题标签:Portal Hypertension Related to Cirrhosis、Variceal Bleeding、Cirrhoses, Liver。本站分类:肿瘤/肝癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07870850
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/NCT07870850
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:肝硬化相关门静脉高压、静脉曲张出血、肝硬化、肝脏。按照纳入和排除标准,患者入组后,将从电子病历中回顾性收集数据,包括:基线特征:年龄、性别、肝病病因、Child-Pugh评分、MELD评分(如可得)。临床数据:入院时血流动力学状态(收缩压)、实验室指标(血红蛋白、国际标准化比值、凝血酶原时间、血小板、肌酐、钠、纤维蛋白原、血清白蛋白、C反应蛋白)、腹水或肝性脑病的存在情况、合并症、肝细胞癌、门静脉血栓、内镜检查时机、内镜干预类型(内镜下静脉曲张套扎术、氰基丙烯酸酯)、药物治疗(血管活性药物、抗生素)、输血需求。统计分析计划:连续变量将以均值±标准差或中位数(四分位距)表示,分类变量以频数和百分比表示。比较采用方差分析/克鲁斯卡尔-沃利斯检验用于连续变量,卡方检验/费希尔精确检验用于分类变量。死亡率将采用Kaplan-Meier生存曲线计算,并采用对数秩检验进行比较。
多因素分析 将采用逻辑回归评估再出血和死亡的预测因素。样本量计算:研究期间所有符合纳入标准的合格患者均将纳入。由于为回顾性设计,无需进行正式的样本量计算。估计队列样本约为140例患者。假设中等效应量(Cohen’s d = 0.5)、显著性水平(α)为0.05及双尾检验,总样本量140例患者可提供约80%的估计统计功效,以检测组间显著差异。
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。




