可溶性纤维蛋白在血栓排除中的评估
该数据集来自 clinicaltrials.gov,围绕可溶性纤维蛋白(SF)检测在排除肺栓塞(PE)和深静脉血栓(DVT)中的表现展开

基本信息
资源简介
可溶性纤维蛋白在血栓排除中的评估
该数据集来自 clinicaltrials.gov,围绕可溶性纤维蛋白(SF)检测在排除肺栓塞(PE)和深静脉血栓(DVT)中的表现展开。源站描述指出,D-dimer 检测可用于排除静脉血栓栓塞症(VTE)但特异性不足,常需接受辐射且昂贵的影像学检查;初步结果提示 SF 检测灵敏度与 D-dimer 相当而特异性更高,有望减少影像学检查的使用。主要目标是评估 SF 检测在排除 PE 和 DVT 时的灵敏度、特异性、阴性及阳性预测值,并与 D-dimer 检测比较,同时通过 ROC 曲线确定阈值。纳入标准为 18 岁及以上、因临床疑似 PE 或 DVT 转诊至急诊或内科单元的患者(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:肺栓塞(PE)、深静脉血栓(DVT)。理由。肺栓塞(PE)是一个主要的公共卫生问题。D-二聚体(D-Di)检测有助于排除 VTE(DVT 和 PE),但不具特异性,需要接受辐射且昂贵的影像学检查。初步结果表明,可溶性纤维蛋白(SF)检测的灵敏度与 D-Di 检测相当,但特异性更高,因此将限制影像学检查的使用。主要目标。评估可溶性纤维蛋白检测在排除肺栓塞和深静脉血栓方面的灵敏度、特异性、阴性和阳性预测值方面的表现,并与 D-二聚体检测进行比较。从 ROC 曲线确定阈值。患者。纳入标准:18 岁或以上,因临床疑似 PE 或 DVT 转诊至急诊或内科单元的患者。
【主题与分类】
主题标签:Pulmonary Embolism (PE)、Deep Vein Thrombosis (DVT)。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02523937
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/NCT02523937
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:肺栓塞(PE)、深静脉血栓形成(DVT)。理由。肺栓塞(PE)是一个重大的公共卫生问题。D-二聚体(D-Di)检测有助于排除静脉血栓栓塞症(VTE,包括DVT和PE),但缺乏特异性,需要进行有辐射且昂贵的影像学检查。初步结果表明,可溶性纤维蛋白(SF)检测的敏感性与D-Di相当,但特异性更高,因此可限制影像学检查的使用。主要目标。评估可溶性纤维蛋白检测在排除肺栓塞和深静脉血栓形成方面的敏感性、特异性、阴性预测值和阳性预测值方面的性能,并与D-二聚体检测进行比较。通过ROC曲线确定阈值。患者。纳入标准:18岁及以上,因临床怀疑PE或DVT而被转诊至急诊科或内科的患者。该研究在获得伦理批准后,按照法国法规进行,个人数据处理授权(法国国家信息与自由委员会,8, rue Vivienne CS 30223 75083 Paris Cedex 02)决定DR-2015-174于2015年4月获得。
2015年4月至2015年9月进行了一项初步研究,以确定排除标准。与D-二聚体检测进行比较。在临床概率低和中等的情况下,检测血浆D-二聚体(D-Di)和可溶性纤维蛋白。根据欧洲心脏病学会近期指南的预定标准,由对SF检测结果不知情的医生将患者分为两组,即有或无PE或DVT。PE和DVT必须通过结合临床概率、D-二聚体和影像学检查的参考算法加以确认或排除,并进行三个月随访。三个月后无法联系到的患者也被纳入研究,并以“无随访”标注予以考虑。SF检测。可溶性纤维蛋白在一个中心使用原型检测方法,在枸橼酸化和肝素化样本上分别进行检测。
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。




