失血手术后铁剂改善恢复的IRIS试验
该数据集来自clinicaltrials.gov,围绕IRIS试验,涉及肝脏转移瘤、肝癌、胰腺癌及主动脉瘤等需行手术的患者

基本信息
资源简介
失血手术后铁剂改善恢复的IRIS试验
该数据集来自clinicaltrials.gov,围绕IRIS试验,涉及肝脏转移瘤、肝癌、胰腺癌及主动脉瘤等需行手术的患者。研究旨在评估静脉铁剂在术中失血400-4000 ml后能否改善术后恢复并减少红细胞输注,关注术前缺铁性贫血与术中失血共同导致的术后贫血问题。数据覆盖肝胆胰及复杂主动脉手术人群,可用于术后恢复与输血相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:手术、肝转移瘤、肝癌、胰腺癌、主动脉瘤。本研究旨在探究静脉铁剂能否改善失血手术后的恢复。术后贫血是大型手术后常见的致衰弱状况,由术前缺铁性贫血(IDA)和术中失血共同导致。肝胆胰(HPB)及复杂主动脉手术后的中位失血量通常在500-1000 ml之间。铁的生物利用度可能是失血继发贫血中红细胞生成的限速因素。对于IRIS试验,假设在术中失血400-4000 ml后静脉给予羧基麦芽糖铁可改善术后恢复并减少红细胞输注。计划接受择期HPB手术或复杂主动脉手术的患者将被筛选。
【主题与分类】
主题标签:Surgery、Liver Metastases、Liver Cancer、Pancreas Cancer、Aortic Aneurysm。本站分类:肿瘤/肝癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05744219
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/NCT05744219
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:手术、肝转移、肝癌、胰腺癌、主动脉瘤。本研究旨在探究静脉铁剂能否改善伴失血手术后的恢复。术后贫血是大型手术后常见的衰弱性状况,由术前缺铁性贫血(IDA)和术中失血共同导致。肝胆胰(HPB)手术及复杂主动脉手术后的中位失血量通常在500-1000 ml之间。在失血继发的贫血中,铁的生物利用度可能是红细胞生成的限速因素。对于IRIS试验,假设术中失血400-4000 ml后静脉给予羧基麦芽糖铁可改善术后恢复并减少红细胞输注。计划接受择期HPB手术或复杂主动脉手术的患者将接受资格筛查并招募入研究。手术结束时,若估计失血量为400-4000 ml,患者按1:1随机接受静脉1000 mg羧基麦芽糖铁或安慰剂。
主要终点为死亡、红细胞输注次数、术后严重贫血(Hb <80 g/L)以及术后五周FACT-An生活质量(QoL)的复合终点,采用胜率比进行评估。该试验还将考察以下方面的影响:a) Hb水平;b) 红细胞生成和铁生物利用度标志物;c) 术后并发症;d) 术后恢复;e) 体能状态;f) 基于手术类型及贫血和缺铁程度的亚组;g) 再入院;h) 基于患者病历的长期结局;以及i) 围手术期失血量低(<400 ml)、高(400-4000 ml)和极高(>4000 ml)患者之间术后恢复的差异。招募将持续至338例患者被随机化或304例患者完成五周随访为止。该试验的协调中心为乌普萨拉大学医院外科。参与中心还包括林雪平大学医院和隆德大学医院。
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。




