桡动脉偏移与再植入技术用于初次血液透析通路建立的评估
该数据集来自 clinicaltrials.gov,聚焦终末期肾病患者的初次血液透析血管通路建立,评估桡动脉偏移与再植入技术

基本信息
资源简介
桡动脉偏移与再植入技术用于初次血液透析通路建立的评估
该数据集来自 clinicaltrials.gov,聚焦终末期肾病患者的初次血液透析血管通路建立,评估桡动脉偏移与再植入技术。源站描述指出,当前指南以端头静脉至侧桡动脉的动静脉内瘘为金标准,但腕部 AVF 通畅性最差,初次 AVF 失败(含成熟失败)在首年约 35-40%,多因吻合口旁狭窄,12 个月原发通畅率仅 55%,吻合口旁新生内膜增生常发生于摆动段。数据可用于血管通路相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:终末期肾病。在当前的肾脏病学和血管外科指南中,端头静脉至侧桡动脉的动静脉内瘘是初次血管通路建立的金标准。然而,这些腕部 AVF 被公认为所有自体血管通路中通畅性最差的。因此,血管通路领域的结局改善迫在眉睫,这关系到日益增长的、需要血液透析的终末期肾病患者人群。初次 AVF 失败,包括成熟失败,仅在第一年就发生约 35-40%,通常由吻合口旁狭窄引起。许多 AVF 随后需要额外干预才能成功成熟。这些 AVF 的原发通畅率较差,12 个月时为 55%。吻合口旁新生内膜增生通常发生在摆动段,例如为形成端侧吻合而游离的近端静脉。
【主题与分类】
主题标签:End-stage Renal Disease。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/NCT02728817
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/NCT02728817
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:终末期肾病。在当前肾脏病学和血管外科指南中,端-头静脉至侧-桡动脉动静脉内瘘是初次血管通路建立的金标准。然而,已知这些腕部动静脉内瘘在所有自体血管通路中通畅率最差。因此,血管通路领域的结局改善迫在眉睫,这关系到需要血液透析的终末期肾病患者发病率不断增长的问题。初次动静脉内瘘失败,包括成熟失败,仅在第一年就发生约35-40%,通常由吻合口旁狭窄引起。许多动静脉内瘘随后需要额外干预才能成功成熟。这些动静脉内瘘的初级通畅率较差,12个月时为55%。吻合口旁新生内膜增生通常发生在摆动段,例如为形成端-侧吻合而游离的近端静脉。这一手术游离段既与湍流重合,也与滋养血管的血供中断重合。这些过程与内皮细胞激活及功能障碍表型相关。
因此,研究者假设,尽量减少静脉剥离的手术技术可能改善瘘管成熟和通路通畅性。据此,研究者开发了“桡动脉偏移与再植入(RADAR)技术”。RADAR不采用传统的静脉端-动脉侧吻合,而是采用动脉端-静脉侧吻合,并辅以最小程度的血管剥离。研究者扩展了传统的“不接触”技术,主张避免任何静脉剥离或操作。研究者也尽量减少动脉剥离,通过剥离桡动脉蒂而非动脉本身来实现。本研究旨在通过多中心随机对照试验,比较这种新技术与传统桡头瘘的安全性和有效性。除了传统的终点指标如通畅
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。



