优化老年血液透析患者血管通路手术
该数据集来自 clinicaltrials.gov,聚焦老年血液透析患者的血管通路手术策略比较,属于泌尿生殖系统疾病/其他分类

基本信息
资源简介
优化老年血液透析患者血管通路手术
该数据集来自 clinicaltrials.gov,聚焦老年血液透析患者的血管通路手术策略比较,属于泌尿生殖系统疾病/其他分类。源站描述涵盖血管通路并发症、血液透析通路失败、透析通路功能障碍、动静脉内瘘、动静脉移植物及中心静脉导管相关血流感染等条件。研究为平行组、多中心随机对照试验,纳入预期6个月内开始血液透析或过去6个月内已用导管开始透析、年龄>65岁且预期寿命<2年的患者,比较自体动静脉内瘘、动静脉移植物植入与中心静脉导管置入三种策略。可用于血管通路相关并发症与结局的分类研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:血管通路并发症、血液透析通路失败、透析通路功能障碍、动静脉内瘘、动静脉移植物、中心静脉导管相关血流感染。目的:比较老年血液透析患者血管通路建立的手术策略。假设:与自体动静脉内瘘相比,动静脉移植物和中心静脉导管导致更少的干预、更高的生活质量和更低的医疗费用。研究设计:平行组、多中心随机对照试验。研究人群:年龄>65岁、预期寿命<2年、预期在6个月内开始血液透析治疗或过去6个月内已用导管开始血液透析治疗的患者。研究分组:1. 自体动静脉内瘘建立 2. 动静脉移植物植入 3. 中心静脉导管置入
【主题与分类】
主题标签:Vascular Access Complication、Hemodialysis Access Failure、Dialysis Access Malfunction、Arteriovenous Fistula、Arteriovenous Graft。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/NCT05911451
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/NCT05911451
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
病症:血管通路并发症、血液透析通路失效、透析通路功能障碍、动静脉内瘘、动静脉移植物、中心静脉导管相关血流感染。目的:比较老年血液透析患者血管通路建立的手术策略。假设:与自体动静脉内瘘相比,动静脉移植物和中心静脉导管导致更少的干预、更高的生活质量以及更低的医疗费用。研究设计:平行组、多中心随机对照试验。研究人群:年龄>65岁,预期寿命<2年,预计在6个月内开始血液透析治疗,或过去6个月内已使用导管开始血液透析治疗的患者。研究分组:1. 自体动静脉内瘘建立 2. 动静脉移植物植入 3. 中心静脉导管置入。样本量计算:基于每年0.80次干预的临床相关差异,采用多重性校正,3x65名患者用于优效性检验。由于入组缓慢,每位参与者的随访时间远长于试验启动时的预期。
在纳入166名参与者后,基于实际事件率和死亡率进行的计算显示,该试验具有足够的统计功效来检测事件率的相对差异为0.67,这相当于绝对差异低于每年0.80次与通路相关干预的最小临床相关差异。因此,招募在166名参与者时终止。数据分析:采用以时间为偏移变量的泊松回归分析。
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。




