TRiP-cast评分验证及下肢创伤制动患者预防性抗凝治疗依从性评估
该数据集来自clinicaltrials.gov,为一项前瞻性、多中心、观察性队列研究,旨在突尼斯成人急性下肢创伤需制动且门诊管理的患者中外部验证TRiP(cast)评分

基本信息
资源简介
TRiP-cast评分验证及下肢创伤制动患者预防性抗凝治疗依从性评估
该数据集来自clinicaltrials.gov,为一项前瞻性、多中心、观察性队列研究,旨在突尼斯成人急性下肢创伤需制动且门诊管理的患者中外部验证TRiP(cast)评分。研究评估该评分识别症状性静脉血栓栓塞症(含深静脉血栓和肺栓塞)风险升高患者的能力,次要目标为评估处方血栓预防的依从性,并比较接受低分子肝素与直接口服抗凝药患者的依从性,同时分析依从性相关因素、出血事件及血栓栓塞结局。可用于血栓风险预测与抗凝依从性研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Lower Extremity Injuries, Venous Thromboembolism (VTE), Deep Vein Thrombosis, Pulmonary Embolism. 这是一项前瞻性、多中心、观察性队列研究,旨在对突尼斯成人急性下肢创伤需制动且以门诊方式管理的患者进行Trauma-Related Immobilization-related Prophylaxis (TRiP(cast))评分的外部验证。该研究将评估TRiP(cast)评分识别症状性静脉血栓栓塞症(VTE)风险升高患者的能力,包括深静脉血栓和肺栓塞。次要目标是评估对处方血栓预防的依从性,并比较接受低分子肝素(LMWH)与接受直接口服抗凝药(DOACs)患者之间的依从性。与治疗依从性、出血事件和血栓栓塞结局相关的因素也将
【主题与分类】
主题标签:Lower Extremity Injuries、Venous Thromboembolism (VTE)、Deep Vein Thrombosis、Pulmonary Embolism。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07863115
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/NCT07863115
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
条件:下肢损伤、静脉血栓栓塞症(VTE)、深静脉血栓形成、肺栓塞。这是一项前瞻性、多中心、观察性队列研究,旨在外部验证创伤相关制动预防(TRiP(cast))评分在突尼斯成人急性下肢创伤患者中的适用性,这些患者需要制动并以门诊方式管理。该研究将评估TRiP(cast)评分识别有症状性静脉血栓栓塞症(VTE)风险增加患者的能力,包括深静脉血栓形成和肺栓塞。次要目标是评估对处方血栓预防措施的依从性,并比较接受低分子肝素(LMWH)与接受直接口服抗凝药(DOACs)患者之间的依从性。还将研究与治疗依从性、出血事件和血栓栓塞结局相关的因素。年龄在18岁或以上、因急性下肢创伤需要制动至少7天的患者将被连续纳入并进行前瞻性随访。
是否给予血栓预防措施以及选择何种抗凝药物,将完全由治疗医师根据常规临床实践自行决定。研究调查人员不会影响治疗决策。预期结果将为TRiP(cast)评分在突尼斯人群中的外部验证提供依据,并改善下肢创伤门诊患者的风险分层和血栓预防管理。
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。




