择期开放性腹主动脉瘤修复术后切口疝的预防

该数据集来自 clinicaltrials.gov,聚焦择期开放性腹主动脉瘤修复术后切口疝的预防。研究为前瞻性随机对照试验,设两个研究组:一组在腹壁关闭时采用 onlay 技术植入预防性补片,另一组采用标准缝合而不植入补片

Cantonal Hospital of St. GallenCantonal Hospital of St. Gallen
clinicaltrials
浏览 11
其他分类Abdominal Aortic Aneurysm
Prevention of Incisional Hernia After Elective Open Abdominal Aortic Aneurysm (AAA) Repair

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-07

资源简介

择期开放性腹主动脉瘤修复术后切口疝的预防

该数据集来自 clinicaltrials.gov,聚焦择期开放性腹主动脉瘤修复术后切口疝的预防。研究为前瞻性随机对照试验,设两个研究组:一组在腹壁关闭时采用 onlay 技术植入预防性补片,另一组采用标准缝合而不植入补片。患者知情同意后按随机化列表分组。主要终点为 2 年随访期内切口疝发生率,次要终点为随访期术后并发症与不良事件。研究于 2009 年 4 月 30 日提前终止入组,已入组患者按方案继续随访 24 个月(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:腹主动脉瘤。前瞻性随机对照研究,设两个研究组。第 1 组:择期开放性腹主动脉瘤修复术后,采用 onlay 技术植入预防性补片关闭腹壁。第 2 组:采用标准缝线关闭腹壁(不植入补片)。患者知情同意参与研究后,将被随机分配到两个治疗组之一。分配基于预先准备的随机化列表进行。主要终点是 2 年随访期内的切口疝发生率。次要终点是随访期内的术后并发症和不良事件。研究入组于 2009 年 4 月 30 日提前终止。已入组患者将按方案随访 24 个月。

【主题与分类】

主题标签:Abdominal Aortic Aneurysm。本站分类:心血管系统疾病/腹主动脉瘤。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT01189708

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/NCT01189708

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:腹主动脉瘤。前瞻性随机对照研究,包含两个研究组。第1组:择期开放腹主动脉瘤修复术后,采用onlay技术植入预防性补片关闭腹壁。第2组:采用标准缝线关闭腹壁(不植入补片)。患者知情同意参与研究后,将被随机分配至两个治疗组之一。分配依据预先准备的随机化列表进行。主要终点是2年随访期内切口疝的发生率。次要终点是随访期间的术后并发症和不良事件。研究入组于2009年4月30日提前终止。已入组患者将按方案随访24个月。

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