COVID-19、血液凝固与血栓形成
该数据集来自 clinicaltrials.gov,主题为 COVID-19、血液凝固与血栓形成,本站归类于呼吸系统疾病/肺炎

基本信息
资源简介
COVID-19、血液凝固与血栓形成
该数据集来自 clinicaltrials.gov,主题为 COVID-19、血液凝固与血栓形成,本站归类于呼吸系统疾病/肺炎。源站描述指出,SARS-CoV2 是导致严重急性呼吸综合征并伴严重炎症综合征和肺炎(COVID-19)的病原体,疫情自 2019 年底在中国描述后全球患者数持续增加。研究关注这类肺炎患者的止血异常与不良预后,并提及一项 183 例中国患者系列中凝血酶时间、纤维蛋白原血症、纤维蛋白降解产物和抗凝血酶 III 处于正常范围,仅 D-Dimer 检测在全队列中呈阳性。可用于凝血相关预后预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:COVID、栓塞与血栓形成、病毒性肺炎。冠状病毒 2(SARS-CoV2)已被确定为导致严重急性呼吸综合征的病原体,该综合征伴有严重炎症综合征和肺炎(COVID-19)。该病于 2019 年底在中国被描述,大流行使全球患者数量不断增加,欧洲仍处于疫情的上升阶段,而美洲大陆则处于疫情的最初期。已证明止血异常与这些肺炎患者的不良预后相关。在一项包含 183 名患者的中国系列中,包括凝血酶时间、纤维蛋白原血症、纤维蛋白降解产物和抗凝血酶 III 在内的止血平衡均在正常范围内。仅 D-Dimer 检测在整个队列中呈阳性,平均值为 0.66 µg / mL(正常 <50 µg / mL)。这些止血参数
【主题与分类】
主题标签:COVID、Embolism and Thrombosis、Pneumonia, Viral。本站分类:呼吸系统疾病/肺炎。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04388657
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/NCT04388657
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:COVID、栓塞与血栓形成、病毒性肺炎。冠状病毒2型(SARS-CoV2)已被确认为导致与严重炎症综合征和肺炎相关的严重急性呼吸综合征的病原体(COVID-19)。该病于2019年底在中国被描述,大流行期间全球患者数量不断增加,欧洲仍处于疫情的上升阶段,而美洲大陆则刚刚开始。在这些肺炎患者中,已证实止血功能异常与不良预后相关。在中国一项183例患者的系列研究中,包括凝血酶时间、纤维蛋白原血症、纤维蛋白降解产物和抗凝血酶III在内的止血平衡均在正常范围内。整个队列中仅D-二聚体检测呈阳性,平均值为0.66 µg/mL(正常<50 µg/mL)。这些止血参数主要在治疗期间死亡的患者中异常;D-二聚体和纤维蛋白降解产物水平显著升高,而抗凝血酶III则降低。
关于死亡患者D-二聚体特异性升高以及凝血酶时间显著延长的发现,也在另一系列研究中有所报道。在重症SARS-COV2患者中,已有更多肺栓塞病例的报道(数据待发表)。本研究基于以下假设:深静脉血栓形成(DVT)的存在可能有助于筛选有肺栓塞风险的患者,并制定治疗性抗凝方案。这一点尤为重要,因为肺栓塞的发生可能明显加重这些患者在机械通气期间可能出现的右心室衰竭。队列研究,非干预性,多中心,前瞻性,非比较性,纵向研究。研究的主要目的是描述因确诊SARS-COV2肺炎相关急性呼吸衰竭而入住重症监护室的患者中深静脉血栓形成的患病率,
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。




