血清生物标志物预测感染性休克中血管紧张素II反应
该数据集来自clinicaltrials.gov,聚焦感染性休克与血管扩张性休克,旨在评估肾素和二肽基肽酶3等血清生物标志物对血管紧张素II治疗反应的预测价值

基本信息
资源简介
血清生物标志物预测感染性休克中血管紧张素II反应
该数据集来自clinicaltrials.gov,聚焦感染性休克与血管扩张性休克,旨在评估肾素和二肽基肽酶3等血清生物标志物对血管紧张素II治疗反应的预测价值。数据覆盖去甲肾上腺素标准治疗背景下辅助血管升压药选择难题,涉及急性肾损伤需肾脏替代治疗、急性呼吸窘迫综合征或高疾病严重程度等亚组。可用于探索生物标志物指导的血管升压药个体化选择,支持预测建模与临床决策研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:感染性休克、血管扩张性休克。脓毒症每年影响超过100万美国人,一旦发生感染性休克,则与高发病率和高死亡率相关。尽管一线去甲肾上腺素是标准治疗,但指导感染性休克中额外血管升压药选择的前瞻性数据有限。虽然需要更多研究,但初步数据提示血管升压药血管紧张素II(AngII)可能改善感染性休克的结局,特别是在某些患者亚组中,例如需要肾脏替代治疗(RRT)的急性肾损伤(AKI)、急性呼吸窘迫综合征(ARDS)或高疾病严重程度者。此外,目前没有经过验证的生物标志物可用于指导感染性休克中血管升压药治疗的选择。在本研究中,研究者将评估两种潜在生物标志物:肾素和二肽基肽酶3(
【主题与分类】
主题标签:Septic Shock、Vasodilatory Shock。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05824767
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/NCT05824767
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
疾病条件:感染性休克、血管扩张性休克。脓毒症每年影响超过100万美国人,一旦发生感染性休克,则与高发病率和高死亡率相关。尽管去甲肾上腺素作为一线用药是标准治疗方案,但指导感染性休克中额外血管升压药选择的前瞻性数据有限。虽然需要更多研究,但初步数据提示血管升压药血管紧张素II(AngII)可能改善感染性休克的结局,尤其是在某些特定患者亚组中,例如需要肾脏替代治疗(RRT)的急性肾损伤(AKI)、急性呼吸窘迫综合征(ARDS)或疾病严重程度高的患者。此外,目前尚无经过验证的生物标志物可用于指导感染性休克中血管升压药治疗的选择。在本研究中,研究者将评估两种潜在的生物标志物:肾素和二肽基肽酶3(DPP3)。初步研究已显示,肾素能够准确预测感染性休克的死亡率,其表现优于乳酸,并能预测对AngII的有益反应。
一个不太为人所知的候选生物标志物是DPP3,它是一种氨肽酶,可切割包括血管紧张素II在内的多种生物活性寡肽。与肾素类似,初步观察数据显示,脓毒症患者DPP3水平升高与器官功能障碍和短期死亡率相关,其死亡预测能力优于乳酸。本研究是一项非盲法试点随机对照试验(RCT),在需要中等剂量去甲肾上腺素的持续性血管扩张性休克成人患者中,比较AngII(干预)与标准治疗(SOC)血管升压药治疗。主要结局将是肾素和DPP3预测AngII血压(BP)反应的能力。由于肾素和DPP3均与脓毒症的整体短期预后相关,SOC组将使我们能够确定肾素和DPP3的预测价值是否对AngII治疗具有特异性。还将追踪多种次要临床结局,b
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。




