基于腹膜透析远程医疗辅助平台的多中心前瞻性队列研究
该数据集来自clinicaltrials.gov,对应一项基于腹膜透析远程医疗辅助平台的多中心前瞻性队列研究,主题标签为Peritoneal Dialysis
基本信息
资源简介
基于腹膜透析远程医疗辅助平台的多中心前瞻性队列研究
该数据集来自clinicaltrials.gov,对应一项基于腹膜透析远程医疗辅助平台的多中心前瞻性队列研究,主题标签为Peritoneal Dialysis。源站描述指出终末期肾病患者数量增长带来医疗负担,腹膜透析患者长期生存率与血液透析相近但医疗资源成本更低,然而技术生存率和患者生存率仍需改善,真实世界中关于患者临床特征及腹膜透析实践对临床结局影响的大样本稳健数据仍然有限。该数据可用于探索患者结局的新型风险因素及预后预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:腹膜透析。终末期肾病(ESRD)患者数量不断增长,导致全球医疗负担日益加重。腹膜透析(PD)患者的长期生存率与血液透析患者相近,但医疗资源成本低得多。因此,提高PD患者比例可能减轻整个社会日益增加的财务负担。值得注意的是,PD的技术生存率和患者生存率仍需改善。基于多中心队列研究的结果,近年来已探索并干预了一些预后因素。然而,关于患者临床特征相关的潜在预测因素以及真实世界中PD实践对临床结局影响的大样本稳健数据仍然有限。这一现象呼吁采取行动探索患者结局的新型风险因素,尤其是通过国家级前瞻性
【主题与分类】
主题标签:Peritoneal Dialysis。本站分类:泌尿生殖系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03571451
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/NCT03571451
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:腹膜透析。终末期肾病(ESRD)患者数量的不断增长,在全球范围内造成了日益加重的医疗负担。腹膜透析(PD)患者的长期生存率与血液透析患者相近,而医疗资源消耗却远低于后者。因此,提高腹膜透析患者的比例,或可缓解全社会日益增长的财务负担。值得注意的是,腹膜透析的技术生存率和患者生存率仍有待提高。基于多中心队列研究的结果,近年来已有一些预后因素被探索并加以干预。然而,在真实世界中,关于患者临床特征及腹膜透析实践对临床结局的潜在预测因素,来自大样本的稳健数据仍然有限。这一现状呼吁采取行动,探索患者结局的新型危险因素,尤其是通过国家级前瞻性队列研究。研究者正在通过PD TAP登记所有接受腹膜透析的患者,以建立一个国家级腹膜透析数据库。
该研究正在中国7个地理区域(西北、东北、华北、华中、西南、东南和华南)14个省的27家医院进行。全国腹膜透析单位的样本招募基于专业腹膜透析团队的可获得性,该团队须为自愿参与者且能够定期随访参与者。本研究旨在纳入7,000名接受腹膜透析的成年终末期肾病患者。患者层面、治疗层面和远程医疗层面的变量在基线时收集,此后每3个月收集一次。腹膜透析实践调查在基线时收集。全因死亡和转血液透析将作为主要结局记录。其他临床结局包括感染性和非感染性并发症也将被记录。除上述目标外,PDTAP与地方或国际临床研究之间的潜在合作可开展具有特定目标的辅助研究。在……中提出的关键研究和辅助调查示例包括
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。




