DULCIS(D-dimer与超声联合意大利研究)
源站描述指出,VTE年发病率为每1000人1.0至1.6例,急性期防治已较成熟,但二级预防即长期管理尚缺乏标准化,5至10年复发率约30%,治疗时长与质量在临床实践中未统一

基本信息
资源简介
DULCIS(D-dimer与超声联合意大利研究)
DULCIS(D-dimer and ULtrasonography in Combination Italian Study)来源于clinicaltrials.gov,聚焦静脉血栓栓塞症(VTE)的长期管理问题。源站描述指出,VTE年发病率为每1000人1.0至1.6例,急性期防治已较成熟,但二级预防即长期管理尚缺乏标准化,5至10年复发率约30%,治疗时长与质量在临床实践中未统一。该数据集可用于研究VTE复发风险预测、抗凝治疗时长决策及D-dimer与超声联合评估策略(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:静脉血栓栓塞症。静脉血栓栓塞症(VTE——血栓沉积于下肢深静脉即深静脉血栓形成,和/或肺栓塞)的年发病率为每1000人1.0至1.6例。虽然VTE急性期的预防和治疗已较为成熟,但该疾病的二级预防,即其长期管理,尚未良好标准化。静脉血栓栓塞症无论治疗时长如何都倾向于复发,5至10年内的发病率约为30%。急性事件后治疗时长和治疗质量均未良好确立,也未在临床实践中一致应用。近期,美国胸科医师学会第7届抗血栓治疗共识会议建议,无诱因VTE患者应接受至少3个月的抗凝治疗。此后
【主题与分类】
主题标签:Venous Thromboembolism。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00954395
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/NCT00954395
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
疾病:静脉血栓栓塞症。静脉血栓栓塞症(VTE——下肢深静脉内血栓形成,即深静脉血栓形成,和/或肺栓塞)的年发病率为每1000人1.0至1.6例。虽然VTE急性期的预防和治疗已较为成熟,但该疾病的二级预防,即其长期管理,尚未充分标准化。静脉血栓栓塞症倾向于复发,无论治疗持续时间如何,5至10年内的复发率为30%。急性事件后治疗持续时间和质量均未充分确定,在临床实践中也未一致应用。近期,美国胸科医师学会第七届抗血栓治疗共识会议建议,无诱因VTE患者应接受至少3个月的抗凝治疗。此后,应评估长期治疗的风险-获益比。对于出血风险低且能够实现良好抗凝监测的患者,推荐长期治疗。
然而,初次发作后6至12个月内复发风险最高,此后逐渐降低。因此,延长抗凝治疗的益处随时间推移会被抗凝治疗相关的临床重要出血风险所抵消。此外,维生素K拮抗剂(VKAs)目前是首选药物,其需要严格的实验室监测,但在不久的将来,无需监测的新型口服抗凝药将会问世。多项个体特征,如抗凝治疗后D-二聚体和残余静脉阻塞,已被证明与复发性事件风险增加相关。我们在一项多中心随机研究PROLONG(N Engl J Med 2006; 355: 1780-1789)中表明,D-二聚体可在确定特发性VTE首次发作后抗凝治疗持续时间方面发挥作用。患者接受的治疗为
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。




