危重症患者与危重症COVID-19患者静脉普通肝素及低分子肝素给药方案评估:基于Anti-Xa水平
该数据集来自clinicaltrials.gov,聚焦危重症患者与危重症COVID-19患者静脉普通肝素及低分子肝素的给药方案评估,以Anti-Xa水平作为监测指标

基本信息
资源简介
危重症患者与危重症COVID-19患者静脉普通肝素及低分子肝素给药方案评估:基于Anti-Xa水平
该数据集来自clinicaltrials.gov,聚焦危重症患者与危重症COVID-19患者静脉普通肝素及低分子肝素的给药方案评估,以Anti-Xa水平作为监测指标。数据覆盖COVID-19、深静脉血栓、抗凝与出血性疾病及危重症等主题。源站描述指出,COVID-19患者血栓栓塞事件风险升高,因此Ghent大学医院对患者采用增加剂量的血栓预防治疗,并通过超声筛查深静脉血栓,利用Anti-Xa检测抗凝血酶-肝素复合物对Xa因子的活性,以测量普通肝素或低分子肝素的效果并按需调整剂量。该数据可用于抗凝疗效与剂量调整相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:COVID-19、深静脉血栓、抗凝剂与出血性疾病、危重症。COVID-19以其快速传播、大量感染患者以及从轻度疾病到极重度呼吸窘迫的潜在范围席卷全球。这场大流行目前是大量研究的焦点,然而关于COVID-19仍有许多未知。当前文献显示,COVID-19患者发生血栓栓塞事件的风险增加,这就是为什么Ghent大学医院的患者接受增加剂量的血栓预防治疗。患者还通过超声筛查是否存在深静脉血栓。Anti-Xa是一项检测,我们通过它确定抗凝血酶-肝素复合物对Xa因子的活性。使用该检测使我们能够测量UF或LWMH的效果,并在需要时调整剂量。目前
【主题与分类】
主题标签:COVID-19、Deep Vein Thrombosis、Anticoagulants and Bleeding Disorders、Critical Illness。本站分类:呼吸系统疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05224388
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/NCT05224388
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-19、深静脉血栓、抗凝剂与出血性疾病、危重症。COVID-19以迅猛之势席卷全球,其传播速度快、感染患者数量多,且病情可从轻微疾病发展为极重度呼吸窘迫。当前,这一大流行病是大量研究的焦点,但关于COVID-19仍有许多未知之处。现有文献表明,COVID-19患者发生血栓栓塞事件的风险增加,因此根特大学医院的患者接受增加剂量的血栓预防治疗。患者还接受超声筛查以检测是否存在深静脉血栓。抗Xa试验是一种测定抗凝血酶-肝素复合物对Xa因子活性的检测方法。通过该检测,我们得以测量普通肝素或低分子肝素的效果,并在需要时调整剂量。目前,尚不清楚该组患者中血栓栓塞事件的发生率有多高,以及我们的血栓预防治疗是否能预防此类事件。我们还研究了在我们的给药方案下,抗Xa达到适当水平所需的时间。
此外,COVID-19患者发生血栓栓塞并发症的当前风险因素仍不明确。我们将COVID-19患者的结果与一组未感染COVID-19的危重患者进行了比较。
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。




