创伤手术中的氨甲环酸研究

该数据集源自 clinicaltrials.gov,主题为创伤手术中的氨甲环酸(TXA)应用。研究为单中心、平行组、前瞻性随机对照试验,纳入2017年4月至2018年8月在Civil Hospital Rajpura就诊的下肢创伤患者116例,排除16例后,100例随机分为两组,每组50例,分别于术

Jaspreet SinghJaspreet Singh
clinicaltrials
浏览 14
蛋白质分类Tranexamic AcidTraumaLower Extremity Fracture
Tranexamic Acid in Trauma Surgery Tranexamic Acid in Trauma Surgery Tranexamic Acid in Trauma Surgery

基本信息

模态
蛋白质
任务类型
分类
创建/更新时间
2026-10-14

资源简介

创伤手术中的氨甲环酸研究

该数据集源自 clinicaltrials.gov,主题为创伤手术中的氨甲环酸(TXA)应用。研究为单中心、平行组、前瞻性随机对照试验,纳入2017年4月至2018年8月在Civil Hospital Rajpura就诊的下肢创伤患者116例,排除16例后,100例随机分为两组,每组50例,分别于术前给予1克TXA或不给予TXA。监测指标包括血红蛋白下降、输血需求、术后住院天数及深静脉血栓证据。数据可用于分析TXA对创伤手术患者围手术期结局的影响(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:氨甲环酸、创伤、下肢骨折。这是一项单中心、平行组、前瞻性随机对照研究。2017年4月至2018年8月期间,在Civil Hospital Rajpura就诊的116例下肢创伤患者。16例患者因陈旧性骨折、经皮钢丝固定或不同意参与而被排除。其余100例患者被随机分为两组。50例患者在手术前给予1克TXA,50例患者未给予TXA。监测血红蛋白下降、输血需求、术后住院天数以及深静脉血栓的证据。

【主题与分类】

主题标签:Tranexamic Acid、Trauma、Lower Extremity Fracture。本站分类:损伤、中毒及外因。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT04986813

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT04986813

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:氨甲环酸、创伤、下肢骨折。这是一项单中心、平行组、前瞻性随机对照研究。2017年4月至2018年8月期间,在Civil Hospital Rajpura就诊的116例下肢创伤患者。16例患者因陈旧性骨折、经皮钢丝固定或不同意参与而被排除。其余100例患者被随机分为两组。50例患者在手术前给予1克TXA,50例患者未给予TXA。监测血红蛋白下降、输血需求、术后住院天数以及深静脉血栓形成的证据。

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。

获取专属数据定制方案