血栓与止血疾病纵向队列
该数据集为血栓与止血疾病纵向队列,来源于clinicaltrials.gov,覆盖免疫性血小板减少症、血栓性血小板减少性紫癜、获得性血友病A、弥散性血管内凝血、易栓症、深静脉血栓、肺栓塞及血栓性微血管病等

基本信息
资源简介
血栓与止血疾病纵向队列
该数据集为血栓与止血疾病纵向队列,来源于clinicaltrials.gov,覆盖免疫性血小板减少症、血栓性血小板减少性紫癜、获得性血友病A、弥散性血管内凝血、易栓症、深静脉血栓、肺栓塞及血栓性微血管病等。血栓与止血疾病是一组高危血液系统疾病,由先天性或获得性止血、凝血及纤溶异常导致出血或高凝状态。该队列可用于研究上述疾病的纵向病程、预后及相关临床结局,支持预测建模与风险分层分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Immune Thrombocytopenia, Thrombotic Thrombocytopenic Purpura, Hemophilia A, Acquired, Disseminated Intravascular Coagulation, Thrombophilia, Deep Vein Thrombosis, Pulmonary Embolism, Thrombotic Microangiopathies. 血栓与止血疾病是一组高危血液系统疾病,以先天性或获得性止血、凝血和纤溶异常所致的出血或高凝状态为特征。血栓与止血疾病包括多种出血性和血栓性疾病,如原发免疫性血小板减少症(ITP)、血栓性血小板减少性紫癜(TTP)、血友病、弥散性血管内凝血(DIC)、易栓症、妊娠合并ITP、妊娠合并血栓前状态(如蛋白C、蛋白S缺乏等)、深静脉血栓、肺栓塞、血小板减少及血液系统疾病后的凝血异常
【主题与分类】
主题标签:Immune Thrombocytopenia、Thrombotic Thrombocytopenic Purpura、Hemophilia A, Acquired、Disseminated Intravascular Coagulation、Thrombophilia、Deep Vein Thrombosis、Pulmonary Embolism、Thrombotic Microangiopathies、Coagulation Factor Deficiency、Hemophilia A。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06727669
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/NCT06727669
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
疾病范围:免疫性血小板减少症、血栓性血小板减少性紫癜、获得性血友病A、弥散性血管内凝血、易栓症、深静脉血栓形成、肺栓塞、血栓性微血管病。血栓与止血疾病是一组高危血液系统疾病,其特征为因先天性或获得性止血、凝血及纤溶异常所致的出血或高凝状态。血栓与止血疾病包括多种出血性和血栓性疾病,如原发免疫性血小板减少症(ITP)、血栓性血小板减少性紫癜(TTP)、血友病、弥散性血管内凝血(DIC)、易栓症、妊娠合并ITP、妊娠合并血栓前状态(如蛋白C、蛋白S缺乏等)、深静脉血栓形成、肺栓塞、造血干细胞移植后血小板减少及凝血异常等。血栓与止血疾病发病率高,可能影响患者的生活质量,甚至与生存期不良相关。
然而,当前研究多基于有限样本量队列的数据,缺乏全面且大规模的前瞻性队列研究。本研究是一项多中心、前瞻性、纵向、观察性队列研究,旨在探究中国血栓与止血疾病的发生率及危险因素,并分析这些患者的治疗方法、预后及医疗费用。本研究将从病历中收集患者的基本信息、诊疗信息以及医疗费用信息。研究将采用问卷调查评估患者的暴露情况,并通过前瞻性随访收集预后信息。
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。




