腹腔镜胃旁路术后内疝
覆盖 1997 至 2009 年不同肠系膜关闭技术下内疝发生率趋势,并涉及临床表现(急性小肠梗阻、慢性间歇性腹痛或无症状偶然发现)、术前 CT/造影检查结果分布及内疝部位(横结肠系膜、空肠系膜、Petersen 间隙等)

基本信息
资源简介
腹腔镜胃旁路术后内疝
该数据集来自 clinicaltrials.gov,聚焦腹腔镜 Roux-en-Y 胃旁路术后内疝。覆盖 1997 至 2009 年不同肠系膜关闭技术下内疝发生率趋势,并涉及临床表现(急性小肠梗阻、慢性间歇性腹痛或无症状偶然发现)、术前 CT/造影检查结果分布及内疝部位(横结肠系膜、空肠系膜、Petersen 间隙等)。可用于内疝发生率趋势分析、临床分型与影像学表现研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):状况:内疝、结肠系膜疝、Petersen疝、空肠空肠吻合口疝、肠梗阻、缺血性肠。本研究的主要目标是描述和分析1997年至2009年原发性腹腔镜RYGB手术后不同肠系膜关闭技术修改后内疝表现发生率趋势。次要研究目标描述以下几点:1. 临床表现,是急性(小肠梗阻)、慢性(间歇性腹痛)还是偶然发现(无症状);2. 术前影像学研究。接受术前CT/造影检查的患者百分比以及阳性、不确定和正常结果的患者百分比;3. 内疝部位,包括横结肠系膜、空肠系膜和Petersen间隙,以及单发与多发
【主题与分类】
主题标签:Internal Hernia、Mesocolic Hernia、Petersen´s Hernia、Jejunojejunostomy Hernia、Bowel Obstruction、Ischemic Bowel。本站分类:循环系统疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01040364
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/NCT01040364
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:内疝、结肠系膜疝、Petersen疝、空肠空肠吻合口疝、肠梗阻、缺血性肠。本研究的主要目标是描述和分析1997年至2009年间,在初次腹腔镜Roux-en-Y胃旁路术(RYGB)后,不同肠系膜关闭技术改良下内疝发生率的变化趋势。次要研究目标为描述以下几点:1. 临床表现,包括急性(小肠梗阻)、慢性(间歇性腹痛)或偶然发现(无症状);2. 术前影像学检查。接受术前CT/造影检查的患者百分比,以及结果呈阳性、不确定和正常的患者百分比;3. 内疝的部位,包括横结肠系膜、空肠系膜和Petersen间隙,以及单发与多发内疝。本研究结合现有文献,将有助于我们制定初步的临床建议。本研究与当前最具启发性的新理念及近期高影响力出版物相一致。
多数文献倾向于采用Roux肢前结肠路径以降低内疝形成的发生率。然而,通过本研究我们将证明,随着Roux肢后结肠前胃路径关闭技术的改进,内疝形成在统计学和临床上均有显著减少。在美国,超重和肥胖的流行及其合并症仍在持续扩大。减重手术已被证明是控制重度肥胖及其合并症最有效且最持久的方法。例如,2型糖尿病完全缓解率达76.8%,系统性动脉高血压缓解率达61.7%,血脂异常改善率达70%,阻塞性睡眠呼吸暂停低通气综合征缓解率达85.7%。此外,减重手术显著提高预期寿命(89%)并降低总体死亡率(30
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。




