血栓排除研究

研究对象为前瞻性、连续招募的疑似静脉血栓栓塞症门诊患者,依据当地标准诊疗进行 VTE(PE 或 DVT)诊断,并额外采集血样用于未来新型 D-Dimer 检测

Diagnostica StagoDiagnostica Stago
clinicaltrials
浏览 13
其他分类Deep Venous ThrombosesPulmonary EmbolismVenous Thromboembolism
ThRombosis ExclUsion STudy

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-14

资源简介

血栓排除研究

ThRombosis ExclUsion STudy 来源于 clinicaltrials.gov,属于呼吸系统疾病/其他分类。研究对象为前瞻性、连续招募的疑似静脉血栓栓塞症门诊患者,依据当地标准诊疗进行 VTE(PE 或 DVT)诊断,并额外采集血样用于未来新型 D-Dimer 检测。对于 PTP 评分为低/中且 VTE 诊断为阴性的患者,将随访 3 个月以评估是否发生深静脉血栓和/或肺栓塞。该数据可用于 VTE 排除诊断、D-Dimer 检测评估及随访结局相关研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):病症:深静脉血栓、肺栓塞、静脉血栓栓塞症。研究人群将从疑似静脉血栓栓塞症的前瞻性、连续门诊患者中选取。患者将根据当地标准诊疗被诊断为 VTE(PE 或 DVT)。将采集样本(额外抽血或在抽血时增加采血量),用于未来使用新型 D-Dimer 检测进行测试。若 PTP 评分为低/中且 VTE 诊断为阴性,患者将被随访 3 个月,以评估是否可能发生深静脉血栓和/或肺栓塞。

【主题与分类】

主题标签:Deep Venous Thromboses、Pulmonary Embolism、Venous Thromboembolism。本站分类:呼吸系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT03477968

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/NCT03477968

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、肺栓塞、静脉血栓栓塞症。研究人群将从前瞻性、连续的门诊患者中选取,这些患者疑似患有静脉血栓栓塞症。患者将根据当地标准诊疗流程被诊断为VTE(肺栓塞或深静脉血栓形成)。将采集样本(额外抽血或在抽血时增加采血量),以供未来使用新型D-二聚体检测法进行测试。对于低/中度PTP评分且VTE诊断阴性的患者,将进行为期3个月的随访,以评估深静脉血栓形成和/或肺栓塞的潜在发生情况。

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