间质性肺疾病静脉血栓事件危险因素

该数据集来自 clinicaltrials.gov,聚焦间质性肺疾病(ILD)住院患者中静脉血栓栓塞事件(VTE)的发生情况,涵盖深静脉血栓(DVT)与肺栓塞(PE)

Sohag UniversitySohag University
clinicaltrials
浏览 9
其他预测Interstitial Lung DiseaseVenous ThromboembolismPulmonary EmbolismDeep Venous Thrombosis
Risk Factors of Venous Thrombotic Event in Interstitial Lung Disease

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-14

资源简介

间质性肺疾病静脉血栓事件危险因素

该数据集来自 clinicaltrials.gov,聚焦间质性肺疾病(ILD)住院患者中静脉血栓栓塞事件(VTE)的发生情况,涵盖深静脉血栓(DVT)与肺栓塞(PE)。研究评估患者的临床特征、疾病严重程度、血栓形成危险因素以及住院期间 DVT 或 PE 的发生,并分析 VTE 对临床结局的影响。数据可用于探索 ILD 患者 VTE 的危险因素、构建风险预测模型,并辅助临床早期识别与预防诊断策略的制定(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:间质性肺疾病、静脉血栓栓塞、肺栓塞、深静脉血栓形成。本研究旨在确定间质性肺疾病(ILD)住院患者中静脉血栓栓塞事件(VTE)的发生率,包括深静脉血栓形成(DVT)和肺栓塞(PE)。研究还将识别与 VTE 相关的潜在危险因素,并评估其对临床结局的影响。将对入院的 ILD 患者评估其临床特征、疾病严重程度、血栓形成危险因素以及住院期间 DVT 或 PE 的发生情况。研究结果可能有助于提高对 VTE 的早期识别,并指导 ILD 住院患者采取适当的预防和诊断策略。

【主题与分类】

主题标签:Interstitial Lung Disease、Venous Thromboembolism、Pulmonary Embolism、Deep Venous Thrombosis。本站分类:呼吸系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07833254

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT07833254

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

疾病:间质性肺病、静脉血栓栓塞症、肺栓塞、深静脉血栓形成。本研究旨在确定住院间质性肺病(ILD)患者中静脉血栓栓塞事件(VTE)的发生率,包括深静脉血栓形成(DVT)和肺栓塞(PE)。研究还将识别与VTE相关的潜在危险因素,并评估其对临床结局的影响。将对入院的ILD患者进行临床特征、疾病严重程度、血栓形成危险因素以及住院期间DVT或PE发生情况的评估。研究结果可能有助于提高对VTE的早期识别,并为住院ILD患者制定适当的预防和诊断策略提供指导。

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。

获取专属数据定制方案