比较依诺肝素与磺达肝癸钠预防减重手术患者静脉血栓栓塞(VTE)

该数据集来自 clinicaltrials.gov,主题为比较依诺肝素与磺达肝癸钠预防减重手术患者静脉血栓栓塞(VTE)

Johns Hopkins UniversityJohns Hopkins University
clinicaltrials
浏览 11
其他分类Deep Venous ThrombosisPulmonary Embolism
Comparing Enoxaparin to Fondaparinux to Prevent Venous Thromboembolism (VTE) in Bariatric Surgical Patients

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-14

资源简介

比较依诺肝素与磺达肝癸钠预防减重手术患者静脉血栓栓塞(VTE)

该数据集来自 clinicaltrials.gov,主题为比较依诺肝素与磺达肝癸钠预防减重手术患者静脉血栓栓塞(VTE)。源站描述指出,为确定此类试验的可行性,需要估算所需样本量,并需获得各治疗组中 DVT 发生率与使用 MRV 检测的 PE 患病率的估计值。将计算描述性统计和 95% 置信区间,以确定接受预防减重手术相关 DVT 和 PE 治疗的肥胖患者中 DVT 发生率和 PE 患病率。抗 Xa 因子水平将用于帮助判断治疗是否达到适当水平(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):Conditions: Deep Venous Thrombosis, Pulmonary Embolism. 为了确定此类试验的可行性,我们需要确定必要的样本量。为了确定必要的样本量,我们需要获得各治疗组中使用 MRV 的 DVT 发生率和 PE 患病率的估计值。将计算描述性统计和 95% 置信区间,以确定接受预防减重手术相关 DVT 和 PE 治疗的肥胖患者中使用 MRV 的 DVT 发生率和 PE 患病率。抗 Xa 因子水平将用于帮助判断治疗是否达到适当水平。

【主题与分类】

主题标签:Deep Venous Thrombosis、Pulmonary Embolism。本站分类:呼吸系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT00894283

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/NCT00894283

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:深静脉血栓形成、肺栓塞。为了确定此类试验的可行性,我们需要确定必要的样本量。为了确定必要的样本量,我们需要获得各治疗组中使用MRV检测的DVT发生率和PE患病率的估计值。将计算描述性统计数据和95%置信区间,以确定接受治疗以预防与减肥手术相关的DVT和PE的肥胖患者中使用MRV检测的DVT发生率和PE患病率。抗Xa因子水平将用于帮助判断治疗是否达到适当水平。

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