安全肾脏护理队列研究
该队列关注在经常使用医疗系统的患者中未被充分识别的 CKD,以及由此带来的患者安全事件(PSI),包括一般人群常见的药物或医疗相关不良事件和 CKD 特有的不安全实践(CKD-PSI)

基本信息
资源简介
安全肾脏护理队列研究
Safe Kidney Care Cohort Study 来源于 clinicaltrials.gov,聚焦慢性肾脏病(CKD)患者的安全问题。该队列关注在经常使用医疗系统的患者中未被充分识别的 CKD,以及由此带来的患者安全事件(PSI),包括一般人群常见的药物或医疗相关不良事件和 CKD 特有的不安全实践(CKD-PSI)。这些事件可能导致频繁住院、肾功能加速丧失、终末期肾病(ESRD)风险增加和死亡。数据可用于研究 CKD 患者安全事件的识别与预测,以及相关不良结局的风险分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:慢性肾脏病。不需要透析的慢性肾脏病(CKD)在经常使用医疗系统的患者中很常见,但未被充分识别,而改善患者安全是这些患者中的高优先级事项。对该疾病认识不足以及 CKD 特有的其他若干特征,使其成为发生不良患者安全事件(PSI)的高风险疾病。在此背景下,PSI 指与药物或医疗护理相关的意外伤害或损伤事件。这些不良安全事件可能包括通常针对一般人群提及的事件(PSI),也包括 CKD 特有的不安全实践(CKD-PSI),所有这些反过来都可能导致频繁住院、肾功能加速丧失、终末期肾病(ESRD)风险增加和死亡——这些都是 CKD 中的常见结局。CKD-PSI 已由本研究的研究者在先前工作中确立,
【主题与分类】
主题标签:Chronic Kidney 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/NCT01407367
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/NCT01407367
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
疾病情况:慢性肾脏病。无需透析的慢性肾脏病(CKD)在经常就诊于医疗系统的患者中较为常见,但识别不足,而提高患者安全是这些机构的高度优先事项。对该疾病认识不足以及CKD特有的其他若干特征,使其成为发生不良患者安全事件(PSIs)的高风险疾病。在此背景下,PSIs指与药物或医疗护理相关的意外伤害或损伤事件。这些不良安全事件可能包括通常针对一般人群所述的事件(PSI),也包括CKD特有的不安全实践(CKD-PSI),而所有这些又都可导致频繁住院、肾功能加速丧失、终末期肾病(ESRD)风险增加和死亡——这些都是CKD的常见结局。本研究的研究者已在既往工作中借助专家小组确立了CKD-PSIs,但尚不清楚PSIs或CKD-PSIs的发生频率,也不清楚如何在CKD人群中可靠地测量这些事件。此外,尚不清楚疾病识别不足在此类安全事件的发生中起什么作用。
最后,尚需确定CKD-PSI是否导致了该疾病中常见的不良结局的高发率。如果CKD-PSI普遍存在,并在此人群中常见的不良事件中占显著比例,那么通过提高疾病识别率来降低CKD-PSI的发生率,就有可能改善该患者群体的结局。在本研究中,研究者将从透析前CKD人群中招募志愿者,目的是观察目标人群中随时间检测到的CKD-PSI发生频率。参与者将每年接受与CKD-PSI相关事件的评估。前100名参与者(第一阶段)将获得标准的医疗警示配件(手链或项链),这种配件通常用于提醒医生和其他医疗服务提供者患者的疾病状态。在
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。




