无诱因静脉血栓栓塞症抗凝疗程决策辅助工具
该数据集来自 clinicaltrials.gov,围绕无诱因静脉血栓栓塞症(VTE)抗凝疗程的决策辅助工具 DECIDE-VTE

基本信息
资源简介
无诱因静脉血栓栓塞症抗凝疗程决策辅助工具
该数据集来自 clinicaltrials.gov,围绕无诱因静脉血栓栓塞症(VTE)抗凝疗程的决策辅助工具 DECIDE-VTE。VTE 包括深静脉血栓形成(DVT)和肺栓塞,在完成首次无诱因或弱诱因 VTE 的初始抗凝后,患者与临床医生需决定停药还是长期继续抗凝。该决策偏好敏感,因为继续抗凝可降低复发风险但增加出血风险。工具提供治疗选项、复发与出血风险的结构化信息,并含价值观澄清练习,帮助患者权衡最看重的结局与治疗负担,可用于支持共享决策相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:静脉血栓栓塞症(VTE)、深静脉血栓形成(DVT)、肺栓塞。静脉血栓栓塞症(VTE),包括深静脉血栓形成和肺栓塞,通常采用抗凝治疗。在完成首次无诱因或弱诱因 VTE 的初始抗凝后,患者和临床医生必须决定是停用抗凝还是长期继续治疗。这是一个偏好敏感的决策,因为继续抗凝可降低复发性 VTE 的风险,但会增加出血风险。DECIDE-VTE 患者决策辅助工具旨在支持关于抗凝疗程的共享决策。该工具提供关于治疗选项、复发和出血风险的结构化信息,并包含价值观澄清练习,以帮助患者考虑哪些结局和治疗负担对他们最重要。T
【主题与分类】
主题标签:Venous Thromboembolism (VTE)、Deep Vein Thrombosis (DVT)、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/NCT07659106
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/NCT07659106
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:静脉血栓栓塞症(VTE)、深静脉血栓形成(DVT)、肺栓塞。静脉血栓栓塞症(VTE),包括深静脉血栓形成和肺栓塞,通常采用抗凝治疗。在完成首次无诱因或弱诱因VTE的初始抗凝治疗后,患者和临床医生必须决定是停止抗凝还是继续长期治疗。这是一个偏好敏感型决策,因为继续抗凝可降低VTE复发风险,但会增加出血风险。DECIDE-VTE患者决策辅助工具的開發旨在支持关于抗凝疗程的共享决策。该工具提供关于治疗方案、复发和出血风险的结构化信息,并包含价值观澄清练习,帮助患者考虑哪些结局和治疗负担对他们最重要。本研究是一项实用性、多中心、分批阶梯楔形整群随机试验。参与的血栓门诊从常规护理阶段开始,按照随机化时间表过渡到实施DECIDE-VTE患者决策辅助工具。
随机化在诊所层面进行,以减少研究条件之间的污染,并反映决策辅助工具在常规血栓门诊护理中的实际应用情况。本研究将评估将DECIDE-VTE患者决策辅助工具整合到临床护理中是否比常规护理更能提高决策质量,并将评估与该工具未来在实践中应用相关的实施措施。
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。




