简化氨甲环酸方案的安全性
该数据集来自 clinicaltrials.gov,主题为简化氨甲环酸方案的安全性,分类属于损伤、中毒及外因下的其他类别

基本信息
资源简介
简化氨甲环酸方案的安全性
该数据集来自 clinicaltrials.gov,主题为简化氨甲环酸方案的安全性,分类属于损伤、中毒及外因下的其他类别。源站描述聚焦创伤性凝血病与出血,指出创伤每年导致全球至少 580 万人死亡,创伤后 24 小时内失控出血是创伤患者首要死因,约三分之一患者入院时存在创伤性凝血病,致命性严重创伤出血是最常见的可预防死亡因素;氨甲环酸通过竞争性抑制纤溶酶原激活减少血块分解和失血,CRASH-2 等随机对照试验证实其可显著降低严重创伤出血患者死亡率,已成为创伤出血治疗的基石。数据可用于创伤出血治疗相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:创伤性凝血病、出血。创伤每年导致全球至少 580 万人死亡,占全球所有死亡的十分之一。创伤后 24 小时内失控出血是创伤患者死亡的首要原因,约三分之一患者入院时即存在创伤诱导性凝血病。致命性严重创伤出血是导致死亡的最常见可预防因素。氨甲环酸(TXA)是一种合成赖氨酸衍生物,可竞争性抑制纤溶酶原激活,阻止纤维蛋白凝块分解,从而增强止血并减少失血。CRASH-2 等随机对照试验已证实,TXA 可显著降低严重创伤出血患者的死亡率。因此 TXA 已成为创伤出血治疗的基石,当前国际指南推荐 1 g
【主题与分类】
主题标签:Trauma Coagulopathy、Hemorrhage。本站分类:损伤、中毒及外因。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07869537
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/NCT07869537
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:创伤性凝血病、出血。创伤每年在全球造成至少580万例死亡,占全球所有死亡的十分之一。创伤后24小时内失控性出血是创伤患者死亡的首要原因,约三分之一的患者入院时即存在创伤诱导性凝血病。致命性严重创伤性出血是导致死亡的最常见可预防因素。氨甲环酸(TXA)是一种合成赖氨酸衍生物,可竞争性抑制纤溶酶原激活,阻止纤维蛋白凝块降解,从而增强止血并减少失血。CRASH-2等随机对照试验已证实,TXA可显著降低严重创伤性出血患者的死亡率。因此,TXA已成为创伤性出血治疗的基石,现行国际指南推荐1 g静脉推注(>10分钟)加1 g静脉维持输注(>8小时)。
然而,严重创伤性出血通常在高压力、混乱的战场或急诊环境中进行管理,在这种现实情况下,这种复杂、时间敏感、多步骤的分次给药方案难以完全执行。第二剂维持输注的遗漏率尤其高,在院前至院内交接期间可达67%。Rowell等人表明,即使采用严格的研究方案,计划中8小时院内维持输注的完成率也仅约为70%。既往药代动力学研究发现,若不给予第二剂维持剂量,接受初始1 g剂量的患者中有21%在入院时(给药后约1.5小时)就已未能达到有效血浆浓度。因此,完全执行分次给药方案的内在困难可能使患者无法获得TXA的全部获益。为解决这一问题,近期专家共识声明中推荐了一种简化方案,即单次2 g负荷剂量且不进行维持输注
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。




