严重烧伤患者手术复苏中内皮糖萼的评估
该数据集来自 clinicaltrials.gov,聚焦严重烧伤患者手术复苏过程中内皮糖萼的评估。覆盖 Syndecan 1、严重烧伤、创伤性内皮病、内皮糖萼、失血性休克及术后并发症等主题

基本信息
资源简介
严重烧伤患者手术复苏中内皮糖萼的评估
该数据集来自 clinicaltrials.gov,聚焦严重烧伤患者手术复苏过程中内皮糖萼的评估。覆盖 Syndecan 1、严重烧伤、创伤性内皮病、内皮糖萼、失血性休克及术后并发症等主题。数据可用于研究内皮损伤标志物 sdc 1 水平与输血需求、住院时间及 morbidity 和 mortality 的关联,并支持分析早期烧伤清创手术干预对严重烧伤患者结局的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:Syndecan 1、严重烧伤、创伤性内皮病、内皮糖萼、失血性休克、术后并发症。内皮糖萼是一层由糖蛋白、糖胺聚糖和蛋白聚糖组成的保护层,衬于血管腔表面,在调节血管通透性和凝血中起关键作用。syndecan 家族由四个成员(syndecan 1-4)组成,是主要的蛋白聚糖。特别值得关注的是,sdc 1 是内皮损伤的标志物,其水平升高(>40 ng/ml)与 EoT 相关。该病症的特征是输血需求增加、住院时间延长以及更高的发病率和死亡率。早期烧伤清创(从第五天起)与严重烧伤患者结局改善相关。该手术干预的目的是减轻
【主题与分类】
主题标签:Syndecan 1、Severe Burn、Endotheliopathy of Trauma、Endothelial Glycocalyx、Hemorrhagic Shock、Postoperative Complications。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06670248
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/NCT06670248
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:Syndecan 1、严重烧伤、创伤性内皮病、内皮糖萼、失血性休克、术后并发症。内皮糖萼是一层由糖蛋白、糖胺聚糖和蛋白聚糖组成的保护层,衬覆于血管腔面,在调节血管通透性和凝血中起关键作用。syndecan家族由四个成员(syndecan 1-4)组成,是主要的蛋白聚糖。尤其值得关注的是,sdc 1是内皮损伤的标志物,其水平升高(>40 ng/ml)与EoT相关。该病症的特征是输血需求增加、住院时间延长以及发病率和死亡率升高。早期烧伤清创(从第五天起)与严重烧伤患者预后改善相关。该手术干预的目的是减轻由烧伤(及可能感染)皮肤引发的炎症反应。然而,该手术对麻醉医师构成重大挑战,因为它通常涉及大量失血,并可能加重这些患者经常经历的休克。
为对抗手术创伤引起的失血性休克,液体和血液制品的输注至关重要。内皮糖萼的状态可能影响手术复苏的有效性。当糖萼受损时,会增加术后肺水肿、机械通气时间延长、腹腔或肢体骨筋膜室综合征以及因灌注不良导致烧伤加深的风险。这些并发症会增加脓毒症、多器官衰竭和死亡率升高的可能性。本研究旨在评估严重烧伤患者术前是否存在EoT,并评估手术干预是否会加重该状况。研究人员将在Vall d’Hebron大学医院烧伤科开展一项为期两年的前瞻性观察性队列研究,时间为2024年3月至2026年3月。该研究将纳入接受烧伤清创手术且烧伤面积占体表面积20%或以上的患者。血浆sdc 1 lev
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。




