Propaten 成本效益与疗效随机研究
该数据集来自 clinicaltrials.gov,围绕终末期肾病患者血液透析通路建立开展研究,比较肝素涂层(Propaten®)与非肝素涂层动静脉人工血管移植物的成本效益与疗效

基本信息
资源简介
Propaten 成本效益与疗效随机研究
该数据集来自 clinicaltrials.gov,围绕终末期肾病患者血液透析通路建立开展研究,比较肝素涂层(Propaten®)与非肝素涂层动静脉人工血管移植物的成本效益与疗效。研究为前瞻性、多机构、平行组、单盲、随机对照、双臂有效性研究,针对无法使用自体静脉的患者,在术中随机分配接受常规(Gore® Stretch)或肝素涂层(Gore® Propaten)移植物,计划在 5 年内累积入组需要血液透析的成年患者。数据可用于血管通路选择、移植物疗效与成本效益相关分析(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。研究设计:这是一项前瞻性、多机构、平行组、单盲、随机对照、双臂有效性研究,比较肝素涂层(Propaten®)与非肝素涂层动静脉移植物。操作:对于没有可用自体静脉的患者,将植入人工动静脉移植物以建立血液透析通路。患者将在术中随机分配至常规(Gore® Stretch)或肝素涂层移植物(Gore® Propaten)。研究过程:该研究将在 5 年内累积患者。入组:入组将包括需要血液透析的成年患者。如果患者无法建立自体静脉动静脉内瘘,则该患者是动静脉移植物的候选者。患者将在术前接受筛查并签署知情同意。如果在术中决定患者 w
【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/NCT01601873
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/NCT01601873
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:终末期肾病。研究设计:这是一项前瞻性、多机构、平行组、单盲、随机对照、双臂、有效性研究,比较肝素涂层(Propaten®)与非肝素涂层动静脉移植物。操作:对于无可用自体静脉的患者,将植入人工动静脉移植物以进行血液透析通路。患者将在术中随机分配至常规(Gore® Stretch)或肝素涂层移植物(Gore® Propaten)。研究过程:该研究将在5年内累积患者。入组:入组将包括需要血液透析的成年患者。如果患者无法使用自体静脉动静脉内瘘,则该患者适合进行动静脉移植物。患者将在术前接受筛查并签署知情同意书。如果术中决定患者需要移植物,将进行随机分配,并视为患者已入组。招募:目标人群包括所有18岁及以上、患有终末期肾病、需要动静脉通路进行血液透析的成年患者。
入组目标为200名患者。风险:与移植物植入相关的标准或已知不良事件包括血栓形成、感染、假性动脉瘤、血肿和静脉狭窄。有肝素过敏的病例报告。研究者预计除意外泄露敏感患者健康信息外,无其他额外身体风险。数据安全监测:作为本研究的主要研究者,来自德克萨斯大学休斯顿医学院心胸血管外科的Charlton-Ouw博士将负责本研究的数据安全监测。他将每年与其他所有共同研究者会面,审查本研究中入组的患者。作为数据安全监测计划的一部分,截至该时间点入组的所有患者将被揭盲,以便审查
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。



