NovoSeven®在严重产后出血中的应用:英国、丹麦、法国、荷兰经验
该数据集源自clinicaltrials.gov,为一项回顾性非干预性队列研究,聚焦严重产后出血(sPPH)患者接受NovoSeven®或其他标准治疗的情况

基本信息
资源简介
NovoSeven®在严重产后出血中的应用:英国、丹麦、法国、荷兰经验
该数据集源自clinicaltrials.gov,为一项回顾性非干预性队列研究,聚焦严重产后出血(sPPH)患者接受NovoSeven®或其他标准治疗的情况。数据整合英国、法国、丹麦和荷兰四个国家既往建立的四个基于人群的队列,利用增强系统从病历中采集符合各研究病例定义的患者信息。数据覆盖约1260例(荷兰,39例暴露于NovoSeven®)、1655例(法国,18例暴露)、245例(丹麦,28例暴露)和162例(英国,13例暴露)持续性产后出血患者,包含患者特征、伴随治疗及结局信息,可用于比较不同治疗方案下严重产后出血的临床结局(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:产后出血。这是一项回顾性非干预性队列研究,研究对象为接受NovoSeven®或其他标准治疗的严重产后出血(sPPH)女性。分析将利用在四个国家为其他目的收集的数据。数据包括来自英国、法国、丹麦和荷兰的四个先前建立的队列。简言之,这些基于人群的研究利用增强系统,从符合各自研究病例定义的女性病历中收集数据。数据可从约1260例(荷兰,39例暴露于NovoSeven®)、1655例(法国,18例暴露于NovoSeven®)、245例(丹麦,28例暴露于NovoSeven®)和162例(英国,13例暴露于NovoSeven®)持续性产后出血患者中获得。关于接受NovoSeven®治疗的产后出血女性的患者特征、伴随治疗和结局的信息
【主题与分类】
主题标签:Post Partum Hemorrhage。本站分类:妊娠、分娩和产褥期。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04723979
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/NCT04723979
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
适应症:产后出血。这是一项回顾性、非干预性队列研究,研究对象为接受NovoSeven®或其他标准治疗的重度产后出血(sPPH)女性。分析将利用四个国家为其他目的收集的数据进行。数据包括来自英国、法国、丹麦和荷兰的四个先前建立的队列。简言之,这些基于人群的研究利用增强系统,从符合各自研究病例定义的女性病历中收集数据。可获得大约1260例(荷兰,39例暴露于NovoSeven®)、1655例(法国,18例暴露于NovoSeven®)、245例(丹麦,28例暴露于NovoSeven®)和162例(英国,13例暴露于NovoSeven®)持续性产后出血患者的数据。在许多国家,关于接受NovoSeven®治疗的产后出血患者特征、伴随治疗和结局的信息有限。因此,本研究将描述四个队列中接受NovoSeven®或标准治疗的产后出血女性。
这还将包括对队列可比性以及研究人群中临床结局总体发生率的评估。为协助该评估,将计算倾向评分,并用于匹配发生sPPH事件且接受NovoSeven®治疗的女性与未接受该治疗的女性。英国和丹麦的数据集为全国性数据,而荷兰和法国的数据集来自多个地区。荷兰的TeMpOH-1研究收集了全国75%分娩的数据。法国的EPIMOMS研究收集了六个地区的数据:阿尔萨斯、洛林、奥弗涅、罗讷-阿尔卑斯、法兰西岛和下诺曼底,这些地区代表了全国18%的分娩。数据来自下述队列。丹麦:丹麦数据通过丹麦医学出生登记处(DMBR)和丹麦输血数据库(DTD)识别并收集。在2001-2009年期间,在DMBR中识别出分娩且
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。




