降低小儿心脏手术应激反应的措施
该数据集来自 clinicaltrials.gov,围绕小儿心脏手术中降低应激反应的措施展开,覆盖法洛四联症、室间隔缺损和房室间隔缺损等先天性心脏病患儿

基本信息
资源简介
降低小儿心脏手术应激反应的措施
该数据集来自 clinicaltrials.gov,围绕小儿心脏手术中降低应激反应的措施展开,覆盖法洛四联症、室间隔缺损和房室间隔缺损等先天性心脏病患儿。研究比较低剂量芬太尼、低剂量芬太尼联合右美托咪定以及高剂量芬太尼三种方案,通过诱导后、胸骨切开后、体外循环后、手术结束及术后多个时间点采集血样,评估应激反应、并发症与死亡率以及早期拔管的安全性,可用于围术期用药方案与预后相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:法洛四联症(TOF)、室间隔缺损(VSD)、房室间隔缺损(AVSD)。在本研究中,我们旨在比较性地证明,在低剂量麻醉性镇痛药基础上加用右美托咪定可降低心脏手术患者的应激反应,并减少并发症发生率和死亡率。此外,右美托咪定(Dex)应有助于小儿心脏患者安全地早期拔管,从而减少与呼吸机相关的合并症。患者将被随机分配到三组;一组接受低剂量芬太尼(LDF),一组接受低剂量芬太尼联合右美托咪定(LDF + Dex),一组接受高剂量芬太尼(HDF)。将在诱导后、胸骨切开后、开始体外循环后、手术完成时以及术后采集血样,以测定患者的 st
【主题与分类】
主题标签:Tetralogy of Fallot (TOF)、Ventricular Septal Defects (VSD)、Atrioventricular Septal Defects (AVSD)。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00848393
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/NCT00848393
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:法洛四联症(TOF)、室间隔缺损(VSD)、房室间隔缺损(AVSD)。本研究旨在对比证明,在低剂量麻醉药基础上加用右美托咪定可减轻心脏手术患者的应激反应,并降低发病率与死亡率。此外,右美托咪定(Dex)应有助于儿科心脏患者安全地早期拔管,从而减少呼吸机相关并发症。患者将被随机分为三组:一组接受低剂量芬太尼(LDF),一组接受低剂量芬太尼联合右美托咪定(LDF + Dex),一组接受高剂量芬太尼(HDF)。将在诱导后、胸骨切开后、体外循环开始后、手术结束时及术后采集血样,以测定患者的应激激素水平。患者将接受标准术后护理,作为该护理一部分所收集的临床数据将用于确定发病率与死亡率。
血液检测结果将与发病率和死亡率相关联,以证明不同麻醉方法的相对有效性。将对血样进行分析,检测应激激素皮质醇、肾上腺素、去甲肾上腺素、促肾上腺皮质激素(ACTH)、白细胞介素8(IL-8)、肿瘤坏死因子-α(TNF-alpha)以及硝化白蛋白的存在情况。将记录动脉血气、血糖和乳酸水平、心率、血压、血管活性支持的使用、呼吸机使用时间、术后死亡率、术后发病率、重症监护室(ICU)住院时间以及总住院时间。先前参与手术研究的儿童将完成对其认知能力、发育状况以及情绪和行为适应能力的评估。对于神经发育结局的随访,将使用斯坦福-比奈智力量表第五版(SB5)评估儿童的认知能力。SB5是一种广泛使用的
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。




