FSTL1与儿童活体肝移植术后肺部并发症的前瞻性队列分析
该数据集来自clinicaltrials.gov,聚焦儿童活体肝移植(LDLT)术后肺部并发症,尤其是急性肺损伤(ALI)与急性呼吸窘迫综合征(ARDS)

基本信息
资源简介
FSTL1与儿童活体肝移植术后肺部并发症的前瞻性队列分析
该数据集来自clinicaltrials.gov,聚焦儿童活体肝移植(LDLT)术后肺部并发症,尤其是急性肺损伤(ALI)与急性呼吸窘迫综合征(ARDS)。研究为单中心前瞻性队列,计划于2023年5月至12月收集400余例接受LDLT的婴幼儿患者,观察FSTL1对ALI发生率的影响并探索相关机制,同时采集患儿基础临床数据。数据可用于术后肺部并发症风险预测模型构建及FSTL1相关机制研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:急性肺损伤/急性呼吸窘迫综合征(ARDS)、肺部并发症、肝移植并发症。术后肺部并发症(PPC)是儿童活体肝移植(LDLT)术后发病率和死亡率较高的复杂疾病,LDLT后急性肺损伤(ALI)是常见且复杂的肺部并发症,是术后急性和长期致残和致死的主要原因,识别涉及ALI的有效预测模型迫切且需求很高。为了观察卵泡抑素样蛋白1(FSTL1)对接受LDLT者ALI发生率的影响并探索相关机制,研究者拟在我们单中心前瞻性研究中收集2023年5月至2023年12月期间接受LDLT的400余例婴儿患者。儿童的基础临床数据被重新
【主题与分类】
主题标签:Pulmonary Complication、Liver Transplant; Complications。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05807802
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/NCT05807802
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:急性肺损伤/急性呼吸窘迫综合征(ARDS)、肺部并发症、肝移植;并发症。术后肺部并发症(PPC)是儿童活体肝移植(LDLT)后发病率和死亡率较高的复杂疾病,LDLT后急性肺损伤(ALI)是一种常见且复杂的肺部并发症,是术后急性和长期致残和致死的主要原因,寻找有效的ALI预测模型迫在眉睫且需求迫切。为了观察卵泡抑素样蛋白1(FSTL1)对接受LDLT患者ALI发生率的影响,并探讨相关机制,研究者拟在本单中心前瞻性研究中收集2023年5月至2023年12月期间在本中心接受LDLT的400余例婴儿患者。
记录患儿的基线临床资料,包括年龄、性别、丙氨酸氨基转移酶(ALT)、天冬氨酸氨基转移酶(AST)、国际标准化比值(INR)、儿童终末期肝病评分(PELD)等指标。记录麻醉诱导后即刻(T1)、无肝期10分钟(T2)、新肝期30分钟(T3)及关腹后即刻(T4)的血清FSTL1表达水平。采用Murray评分判定LDLT术后1周是否发生ALI,并将患儿分为非ALI组和ALI组。记录术后机械通气时间、ICU停留时间、总住院时间及住院期间死亡率。主要结局采用回归方法校正与ALI及FSTL1相关的潜在混杂因素。采用多因素logistic回归分析筛选ALI的危险因素,并采用ROC曲线评价危险因素的预测效能。
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。




