基于血小板计数、Na和ALBI指数预测肝硬化患者SBP
该数据集来自clinicaltrials.gov,主题为通过血小板计数、血清钠与ALBI指数预测肝硬化合并腹水患者的自发性细菌性腹膜炎(SBP)

基本信息
资源简介
基于血小板计数、Na和ALBI指数预测肝硬化患者SBP
该数据集来自clinicaltrials.gov,主题为通过血小板计数、血清钠与ALBI指数预测肝硬化合并腹水患者的自发性细菌性腹膜炎(SBP)。研究为前瞻性观察性设计,在Sohag University Hospital内科与肝病科开展,为期6个月,纳入接受诊断性腹腔穿刺的成年肝硬化腹水患者。数据可用于构建或验证SBP风险预测模型,探索低钠血症、血小板减少与ALBI评分联合应用的早期识别价值(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:自发性细菌性腹膜炎。这是一项前瞻性观察性研究,旨在通过将血清钠水平和血小板计数与白蛋白-胆红素(ALBI)评分相结合,增强对肝硬化合并腹水患者自发性细菌性腹膜炎(SBP)的预测。SBP仍是肝硬化患者中一种严重且可能致命的并发症,诊断延迟会导致不良结局。ALBI评分可客观反映肝功能,加之肝硬化中常见的低钠血症和血小板减少,可能提供一种简单、低成本的方法,用于早期识别SBP高风险患者。该研究将在Sohag University Hospital内科与肝病科开展,为期6个月。所有接受诊断性腹腔穿刺的成年(≥18岁)肝硬化合并腹水合格患者将被筛查
【主题与分类】
主题标签:Spontaneous Bacterial Peritonitis。本站分类:肿瘤/肝癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07116369
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/NCT07116369
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:自发性细菌性腹膜炎。这是一项前瞻性观察性研究,旨在通过将血清钠水平和血小板计数与白蛋白-胆红素(ALBI)评分相结合,提高对肝硬化合并腹水患者自发性细菌性腹膜炎(SBP)的预测能力。SBP仍是肝硬化患者中一种严重且可能致命的并发症,诊断延迟会导致不良结局。ALBI评分可客观反映肝功能,加之肝硬化中常见的低钠血症和血小板减少症,可能为早期识别SBP高危患者提供一种简单、低成本的方法。该研究将在Sohag大学医院内科和肝病科进行,为期6个月。所有接受诊断性腹腔穿刺的肝硬化合并腹水成年患者(≥18岁)都将接受纳入筛查。纳入标准包括接受诊断性腹腔穿刺的肝硬化腹水患者。
排除标准包括继发性腹膜炎、晚期肝细胞癌、梗阻性黄疸、近期使用抗生素(<7天)、需要透析的终末期肾病、当前使用免疫抑制治疗以及数据不完整。每位参与者将接受临床评估和实验室检测,包括血清白蛋白、胆红素(用于计算ALBI)、钠和血小板计数。将进行腹水分析,以根据PMN计数≥250个细胞/mm³诊断SBP。该研究将评估联合评分(ALBI-Na-Platelet)是否能提高预测准确性。统计分析将涉及逻辑回归和ROC曲线分析,以评估联合参数的预测能力。所有参与者将提供书面知情同意书。该研究已获得索哈杰大学医学院医学伦理委员会的批准。
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。




