胸横肌平面阻滞联合前锯肌平面阻滞与竖脊肌平面阻滞在胸骨切开术后疼痛管理中的疗效比较
该数据集来自 clinicaltrials.gov,聚焦胸骨切开术后疼痛管理,比较胸横肌平面阻滞联合前锯肌平面阻滞与竖脊肌平面阻滞的疗效

基本信息
资源简介
胸横肌平面阻滞联合前锯肌平面阻滞与竖脊肌平面阻滞在胸骨切开术后疼痛管理中的疗效比较
该数据集来自 clinicaltrials.gov,聚焦胸骨切开术后疼痛管理,比较胸横肌平面阻滞联合前锯肌平面阻滞与竖脊肌平面阻滞的疗效。数据涉及术后疼痛、胸骨切开、神经阻滞及患者结局评估等主题,采用前瞻性、观察者盲法设计,受试者按 1:1 随机分配至两组,并接受标准化麻醉管理。该数据可用于分析不同神经阻滞方案对术后疼痛及患者结局的影响,支持临床预测与疗效比较研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:术后疼痛、胸骨切开、神经阻滞、患者结局评估。在获得知情同意后,患者将使用计算机生成的序列按 1:1 比例随机分配至 TTPB+SAPB 组或 ESPB 组,以确保分配隐藏。这是一项前瞻性、观察者盲法试验。实施阻滞的麻醉科医师知晓分组情况,而负责术后数据收集的研究人员将对干预措施设盲,以尽量减少偏倚。标准化麻醉管理:所有患者将接受标准化麻醉方案。静脉注射咪达唑仑术前用药后,进行标准监测,包括 ECG、SpO2 和有创动脉压。使用丙泊酚、芬太尼和罗库溴铵诱导全身麻醉,并以七氟烷在氧气-空气混合物中维持。脑电双频指数(BIS)
【主题与分类】
主题标签:Postoperative Pain、Sternotomy、Nerve Block、Patient Outcome Assessment。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07452627
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/NCT07452627
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:术后疼痛、胸骨切开术、神经阻滞、患者结局评估。在获得知情同意后,患者将按1:1的比例随机分配至TTPB+SAPB组或ESPB组,采用计算机生成的序列以确保分配隐藏。这是一项前瞻性、观察者盲法试验。虽然执行阻滞的麻醉医师知晓分组情况,但负责术后数据收集的研究人员将对干预措施设盲,以尽量减少偏倚。标准化麻醉管理所有患者将接受标准化麻醉方案。静脉注射咪达唑仑进行术前用药后,将进行标准监测,包括心电图、SpO2和侵入性动脉压。使用丙泊酚、芬太尼和罗库溴铵诱导全身麻醉,并以七氟烷在氧气-空气混合物中维持。将监测脑电双频指数(BIS),维持目标范围在40至60之间。
区域麻醉干预阻滞将在超声引导下于麻醉诱导后、手术切皮前实施:TTPB + SAPB组:胸横肌平面阻滞将在T4-T5水平、肋间内肌与胸横肌之间进行。前锯肌平面阻滞将在腋中线第5肋处进行,靶向肋间外侧皮支。ESPB组:将识别T4横突,并将局麻药注射至竖脊肌与横突尖之间的平面,以实现头尾侧扩散。术中及术后镇痛方案:术中血流动力学参数将在关键阶段记录(基线、切皮、胸骨切开、CPB)。若心率或MAP较基线升高>20%,将给予芬太尼补救性推注。术后,所有患者将接受多模式镇痛方案,包括静脉注射对乙酰氨基酚和静脉注射替诺昔康。补救镇痛将根据方案中定义的疼痛量表评估提供。统计学
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。




