Merit WRAPSODY™ 血管内假体治疗狭窄或闭塞（WRAP）
该数据集来自 clinicaltrials.gov，围绕 Merit WRAPSODY™ 血管内假体用于治疗动静脉（AV）瘘管或 AV 移植物透析流出道内狭窄或闭塞的前瞻性、多中心、观察性研究（WRAP 注册研究）
基本信息
资源简介
Merit WRAPSODY™ 血管内假体治疗狭窄或闭塞（WRAP）
Merit WRAPSODY™ Endoprosthesis for Treatment of Stenosis or Occlusion (WRAP) 是一个登记于 clinicaltrials.gov 的研究数据集，主题聚焦于静脉狭窄与静脉闭塞，在分类上归属于泌尿生殖系统疾病下的其他类别。该数据集对应的是一项前瞻性、多中心、观察性研究，即 WRAP 注册研究，旨在评估 Merit WRAPSODY™ 血管内假体用于治疗动静脉（AV）瘘管或 AV 移植物透析流出道内狭窄或闭塞的效果。数据集的核心主题标签为静脉狭窄和静脉闭塞，其内容围绕透析通路相关并发症的器械治疗展开，为关注血液透析血管通路管理的临床与研究人员提供了一项注册研究层面的数据资源。
【数据集背景】
该数据集所依托的研究关注的是透析患者血管通路中的常见并发症——静脉狭窄与静脉闭塞。对于依赖动静脉瘘管或动静脉移植物进行血液透析的患者而言，透析流出道内的狭窄或闭塞会直接影响透析的顺利进行。Merit WRAPSODY™ 血管内假体被用于处理这类病变，而 WRAP 注册研究正是为评估该器械在此类治疗场景中的表现而设立。研究采用前瞻性、多中心、观察性的设计，意味着数据是在真实临床实践中按时间顺序向前收集的，且涉及多个研究中心，不主动干预治疗决策，而是观察和记录实际诊疗过程中的相关结局。
【数据内容】
数据集的主题标签为静脉狭窄和静脉闭塞，对应的疾病状态是动静脉（AV）瘘管或 AV 移植物透析流出道内发生的狭窄或闭塞。数据集本身来源于 clinicaltrials.gov 这一临床试验注册平台，其内容与 WRAP 注册研究相对应。关于数据集内具体包含哪些字段、变量、随访时间点、样本量、结局指标等详细信息，源站未提供。
【采集与来源】
该数据集的来源站为 clinicaltrials.gov。其所对应的 WRAP 注册研究是一项前瞻性、多中心、观察性研究，研究场景为对动静脉（AV）瘘管或 AV 移植物透析流出道内狭窄或闭塞的治疗。数据采集的具体方式、采集时间跨度、参与中心的数量与分布、数据管理流程等细节，源站未提供。
【适用场景】
该数据集适用于关注血液透析血管通路并发症的临床研究、器械评估或相关循证分析场景，尤其是围绕静脉狭窄与静脉闭塞的器械治疗领域。由于研究设计为观察性注册研究，其数据可用于描述真实世界中的治疗模式与患者特征。但具体可支持的分析类型、适用人群范围以及能否用于比较效果研究等，源站未提供。
【使用方法】
关于该数据集的具体使用方法，包括数据获取途径、访问权限、数据格式、是否提供数据字典或配套文档等，源站未提供。
【质量与限制】
该数据集对应的研究为观察性设计，而非随机对照试验，这一设计特点可能影响因果推断的强度。关于数据质量、完整性、偏倚控制、样本代表性、随访完整性以及其它具体限制，源站未提供。
【引用与许可】
关于该数据集的引用方式、许可条款、使用限制或数据共享政策等信息，源站未提供。
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/NCT05062291
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：静脉狭窄、静脉闭塞。一项前瞻性、多中心、观察性研究，旨在评估Merit WRAPSODY™腔内假体用于治疗动静脉（AV）内瘘或AV移植物透析流出道内狭窄或闭塞的效果（WRAP注册研究）
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。
