胸外科患者VTE风险的Padua预测评分

数据集获取

源站：https://clinicaltrials.gov/study/NCT06732726

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

条件：深静脉血栓形成（DVT）、静脉血栓栓塞症（VTE）。静脉血栓栓塞症（VTE）是导致疾病和死亡的重要原因，包括深静脉血栓形成（DVT）和肺栓塞（PE）等病症。住院患者由于长时间不活动、外科手术及既存合并症等因素，尤其易患VTE。为应对这一风险，已开发出如帕多瓦预测评分（PPS）等工具。PPS是一种经过验证的评分系统，通过临床和人口学标准将患者分类为VTE高风险或低风险，使医疗提供者能够据此调整预防措施。尽管帕多瓦预测评分在多个医疗环境中日益被采纳，其在伊拉克的适用性仍研究不足。关于VTE的患病率、风险评估实践及预防方案依从性的本地数据有限，文献中存在明显空白。本研究旨在探讨帕多瓦预测评分在伊拉克医疗环境中的实用性和预测准确性。

通过填补这一空白，研究结果有助于优化静脉血栓栓塞症的预防策略，改善资源分配，并最终减少与该病状相关的并发症。

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。