GetReady数字平台作为临床决策支持工具用于脑动脉瘤患者随访的临床、组织与照护影响研究
该数据集来自clinicaltrials.gov，聚焦颅内动脉瘤（未破裂）患者随访场景，评估GetReady数字平台作为临床决策支持工具的临床、组织与照护影响
基本信息
资源简介
GetReady数字平台作为临床决策支持工具用于脑动脉瘤患者随访的临床、组织与照护影响研究
该数据集对应一项来自 clinicaltrials.gov 的介入性实施研究，聚焦颅内动脉瘤（未破裂）患者的随访场景，评估 GetReady 数字平台作为临床决策支持工具所带来的临床、组织与照护影响。平台整合临床数据、影像学数据以及患者报告数据（包括 PROMs 与 PREMs），并可能纳入家庭血压监测。研究包含回顾性与前瞻性两部分，不引入额外的医学、诊断或治疗干预，所有临床决策仍归属于常规临床实践。该数据集可为关注数字平台在脑血管疾病随访中应用价值的研究者与临床团队提供参考。
【数据集背景】
颅内动脉瘤（未破裂）患者的随访需要综合临床、影像与患者自身报告的多维信息。该研究旨在评估 GetReady 数字平台作为临床决策支持工具，在脑动脉瘤患者随访中的临床、组织与照护影响。研究定位为介入性实施研究，兼具回顾性与前瞻性成分，重点在于平台在真实临床流程中的落地效果，而非引入新的医学、诊断或治疗手段。
【数据内容】
平台整合的数据类型包括临床数据、影像学数据以及患者报告数据，其中患者报告数据涵盖 PROMs（患者报告结局指标）与 PREMs（患者报告体验指标），并可能包含家庭血压监测数据。数据集主题标签为 Intracranial Aneurysms，所属分类为神经系统疾病 / 脑动脉瘤（未破裂）。关于各数据类别的具体字段、变量数量、样本规模与时间跨度，源站未提供。
【采集与来源】
数据来源站为 clinicaltrials.gov。研究采用介入性实施设计，包含回顾性与前瞻性两部分，数据在患者常规随访过程中产生并经由 GetReady 数字平台整合。关于具体采集机构、采集地点、采集时间窗口与随访频率，源站未提供。
【适用场景】
该数据集适用于评估数字平台作为临床决策支持工具在未破裂颅内动脉瘤患者随访中的应用，包括对临床决策过程、组织流程与照护效果的影响分析；也可用于探讨 PROMs、PREMs 与家庭血压监测等患者侧数据在随访中的整合价值。由于研究不引入额外医疗干预、临床决策仍遵循常规实践，其场景贴近真实世界的随访流程。关于其他潜在应用场景，源站未提供。
【使用方法】
源站未提供具体的数据使用方法、访问方式或分析指南。研究设计上包含回顾性与前瞻性成分，所有临床决策保持在常规临床实践范围内，未引入额外的医学、诊断或治疗干预。
【质量与限制】
该研究为介入性实施研究，不引入额外的医学、诊断或治疗干预，临床决策仍由常规临床实践决定，因此其数据反映的是平台在真实流程中的实施效果。关于样本量、数据完整性、缺失情况、偏倚控制与统计方法等质量相关信息，源站未提供。
【引用与许可】
源站未提供引用格式与许可条款信息。
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/NCT07569562
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：颅内动脉瘤。本研究评估GetReady数字平台作为临床决策支持工具，在脑动脉瘤患者随访中的临床、组织及照护影响。该平台整合临床、影像学及患者报告数据，包括PROMs和PREMs，并可能纳入家庭血压监测。本研究为一项干预性实施研究，包含回顾性和前瞻性两部分。不引入额外的医疗、诊断或治疗干预，所有临床决策仍遵循常规临床实践。
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。
