深静脉血栓预防依从性:Enoxaparin 与 Rivaroxaban 对比
本数据集来自 clinicaltrials.gov,聚焦骨科创伤患者的静脉血栓栓塞症化学预防。研究为单中心一级创伤中心的随机对照试验,比较口服 Rivaroxaban 与标准治疗皮下注射 Enoxaparin 的依从性和总体满意度

基本信息
资源简介
深静脉血栓预防依从性:Enoxaparin 与 Rivaroxaban 对比
本数据集来自 clinicaltrials.gov,聚焦骨科创伤患者的静脉血栓栓塞症化学预防。研究为单中心一级创伤中心的随机对照试验,比较口服 Rivaroxaban 与标准治疗皮下注射 Enoxaparin 的依从性和总体满意度。住院期间所有患者接受 Enoxaparin 40 毫克注射,出院后需延长预防者随机接受 20 天自我注射 Enoxaparin 40 毫克或口服 Rivaroxaban。数据可用于分析两种方案的依从性差异,支持血栓预防决策(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:深静脉血栓、静脉血栓栓塞症。本研究是一项随机对照试验,对象为就诊于单一学术性一级创伤中心、需要延长静脉血栓栓塞事件化学预防疗程的骨科创伤患者。目的是在骨科创伤患者中比较口服 Rivaroxaban 与我们的标准治疗——注射用 Enoxaparin,以确定每日一次口服 Rivaroxaban 是否比每日一次皮下自我注射 Enoxaparin 具有更高的依从性和总体满意度。所有纳入研究的患者在住院期间均接受标准 Enoxaparin 40 毫克注射治疗。出院时,需要延长静脉血栓栓塞事件化学预防的患者将被随机分配接受 20 天的自我注射 Enoxaparin 40 毫克或口服 Rivaroxaban。
【主题与分类】
主题标签:Deep Vein Thrombosis、Venous Thromboembolism。本站分类:损伤、中毒及外因。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04169269
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/NCT04169269
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:深静脉血栓形成、静脉血栓栓塞症。本研究是一项随机对照试验,研究对象为就诊于单一学术性一级创伤中心、需要延长静脉血栓栓塞事件化学预防疗程的骨科创伤患者。目的是在骨科创伤患者中比较口服利伐沙班与我们的标准治疗药物可注射依诺肝素,以确定每日一次口服利伐沙班是否比每日一次皮下注射自我给药依诺肝素具有更好的依从性和总体满意度。所有纳入研究的患者在住院期间都将接受标准依诺肝素40毫克注射治疗。出院时,需要延长静脉血栓栓塞事件化学预防的患者将被随机分配接受20天的自我注射依诺肝素40毫克或口服利伐沙班10毫克,后者是一种非维生素K口服抗凝药。随后,两组患者将在剩余3周内接受我们当前的标准治疗,即阿司匹林81毫克每日一次,总计6周的静脉血栓栓塞事件化学预防。
常规术后护理将由主治医生提供。
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。




