活动性癌症患者接受癌症相关手术或操作时围手术期抗凝管理安全性(ACE-HIGH研究)

该数据集来自 clinicaltrials.gov,聚焦活动性癌症患者在接受癌症相关手术或操作时的围手术期抗凝管理安全性

Ottawa Hospital Research InstituteOttawa Hospital Research Institute
clinicaltrials
浏览 13
其他预测ThrombosisCancerThrombosis, Deep VeinAtrial Fibrillation (AF)Venous Thromboembolic EventBleeding
Safety of Perioperative Anticoagulation Management in People With Active Cancer Undergoing Cancer-Related Surgery or Procedures (ACE-HIGH Study)

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-09

资源简介

活动性癌症患者接受癌症相关手术或操作时围手术期抗凝管理安全性(ACE-HIGH研究)

该数据集来自 clinicaltrials.gov,聚焦活动性癌症患者在接受癌症相关手术或操作时的围手术期抗凝管理安全性。覆盖的疾病状态包括血栓形成、癌症、深静脉血栓、心房颤动(AF)、静脉血栓栓塞事件和出血。研究旨在评估当前抗凝管理实践在癌症患者中的安全性,测量该情境下出血或凝血问题的发生频率,并评估手术时患者体内残留的抗凝药物水平,以期为改善未来诊疗、降低相关风险提供依据(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):病症:血栓形成、癌症、深静脉血栓、心房颤动(AF)、静脉血栓栓塞事件、出血。本研究的目的是帮助了解当前在患有癌症并接受手术或医疗操作的人群中管理血液稀释剂的实践有多安全。研究者还将测量在此情境下出血或凝血问题发生的频率。目标是利用这些信息改善未来的诊疗并降低患者的这些风险。本研究将确定当代实践是否可以安全地应用于癌症患者,并评估手术时患者体内残留的血液稀释剂水平。

【主题与分类】

主题标签:Thrombosis、Cancer、Thrombosis, Deep Vein、Atrial Fibrillation (AF)、Venous Thromboembolic Event、Bleeding。本站分类:肿瘤。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07372716

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT07372716

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:血栓形成、癌症、血栓形成、深静脉、心房颤动(AF)、静脉血栓栓塞事件、出血。本研究的目的是帮助了解在患有癌症并接受手术或医疗操作的患者中,管理血液稀释剂的当前实践有多安全。研究者还将测量在这种情况下出血或凝血问题的发生频率。目标是利用这些信息来改善未来的护理并降低患者的这些风险。本研究将确定当代实践是否可以安全地应用于癌症患者,并评估手术时患者体内残留的血液稀释剂水平。

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。

获取专属数据定制方案