LMWH与Aspirin用于骨科肿瘤VTE预防
该数据集来自clinicaltrials.gov,聚焦于骨科肿瘤手术患者的静脉血栓栓塞(VTE)预防,比较低分子肝素(LMWH)与阿司匹林(Aspirin)的效果

基本信息
资源简介
LMWH与Aspirin用于骨科肿瘤VTE预防
该数据集来自clinicaltrials.gov,聚焦于骨科肿瘤手术患者的静脉血栓栓塞(VTE)预防,比较低分子肝素(LMWH)与阿司匹林(Aspirin)的效果。覆盖疾病包括肉瘤、软组织肉瘤、骨肉瘤、骨转移、静脉血栓栓塞、血肿及抗凝剂诱导出血。现有数据多来自回顾性研究,缺乏高质量前瞻性证据,因此该数据可用于探索两种药物在骨科肿瘤手术患者中的VTE预防效果,为临床决策提供参考(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:肉瘤、软组织肉瘤、骨肉瘤、骨转移、静脉血栓栓塞、血肿、抗凝剂诱导出血。下肢骨科手术和恶性肿瘤均为静脉血栓栓塞(VTE)的已知主要危险因素。关于骨科手术(尤其是关节置换术)患者的VTE预防,已有基于高质量数据的指南。然而,由于恶性肿瘤本身已知会促成高凝状态,关于原发性或转移性肌肉骨骼恶性肿瘤手术患者采用各种药物性VTE预防措施疗效的数据要少得多。现有数据,包括我们机构已发表的数据,几乎全部来自回顾性研究。鉴于现有指南的外部有效性有限,以及应用回顾性研究数据所固有的局限性。
【主题与分类】
主题标签:Sarcoma、Soft Tissue Sarcoma、Bone Sarcoma、Bone Metastases、Venous Thromboembolism、Hematoma、Anticoagulant-induced Bleeding。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03244020
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/NCT03244020
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:肉瘤、软组织肉瘤、骨肉瘤、骨转移、静脉血栓栓塞、血肿、抗凝剂所致出血。下肢骨科手术和恶性肿瘤均为静脉血栓栓塞(VTE)的已知主要风险因素。关于骨科手术患者,尤其是关节置换术患者的VTE预防,已有基于高质量数据的指南。然而,对于原发性或转移性肌肉骨骼恶性肿瘤手术患者,各种药物性VTE预防措施疗效的数据则少得多,因为恶性肿瘤本身即已知可导致高凝状态。现有数据,包括我们机构已发表的数据,几乎全部来自回顾性研究。鉴于现有指南的外部效度有限,以及应用回顾性研究数据固有的局限性,开展一项比较两种最常见药物性VTE预防方法的随机前瞻性研究,将有助于指导该患者群体的临床诊疗。
此外,骨科肿瘤手术中的肿瘤切除常会形成易于发生血肿的大块死腔。我们的回顾性数据提示,血肿形成可能是感染的独立预测因素。化学性静脉血栓栓塞症(VTE)预防的一个重要风险是这些死腔内出血发生率增加,从而导致血肿。这说明了在同时具有高VTE风险和高血肿形成风险的患者中选择VTE预防方法的复杂性,以及需要高质量数据来指导该患者群体的临床决策。本研究的具体目的是比较接受低分子肝素(LMWH)与阿司匹林进行预防的骨盆或下肢骨科肿瘤手术(原发性骨肉瘤、软组织肉瘤和转移性骨病)患者术后症状性深静脉血栓形成(DVT)和肺栓塞(PE)的发生率。我们的次要目的是比较血肿形成和伤口
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。




