胸外科手术中静脉利多卡因、氯胺酮与镁剂的应用
该数据集来自 clinicaltrials.gov,为一项前瞻性观察性队列研究,纳入 2018 至 2022 年间接受择期肺切除术的 118 名成人患者

基本信息
资源简介
胸外科手术中静脉利多卡因、氯胺酮与镁剂的应用
该数据集来自 clinicaltrials.gov,为一项前瞻性观察性队列研究,纳入 2018 至 2022 年间接受择期肺切除术的 118 名成人患者。研究评估术中静脉利多卡因、氯胺酮与镁剂(LKM)联合使用与术后镇痛结局之间的关联。71 名患者接受标准化多模式镇痛方案中的 LKM,47 名患者接受未含 LKM 的标准麻醉。主要结局为术后静脉吗啡总消耗量。数据可用于分析 LKM 暴露与术后阿片类药物消耗等镇痛结局的关系(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、胸外科手术、多模式镇痛、阿片类药物消耗、术后。这项前瞻性观察性队列研究纳入 118 名在 2018 年至 2022 年间接受择期肺切除术的成人患者。目的是评估术中静脉利多卡因、氯胺酮和镁剂(LKM)与术后镇痛结局之间的关联。71 名患者接受术中 LKM 作为标准化多模式镇痛方案的一部分,该方案包括利多卡因(1.5 mg/kg 负荷量后以 1.5 mg/kg/h 输注)、氯胺酮(0.3 mg/kg 负荷量)和硫酸镁(1.5 g 负荷量)。47 名患者接受未使用 LKM 的标准麻醉。未分配研究特异性干预;暴露基于常规麻醉实践。主要结局是术中静脉吗啡总消耗量
【主题与分类】
主题标签:Postoperative Pain、Thoracic Surgery、Multimodal Analgesia、Opioid Consumption, Postoperative。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/NCT07359469
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/NCT07359469
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、胸外科手术、多模式镇痛、阿片类药物消耗、术后。这项前瞻性观察性队列研究纳入了2018年至2022年间接受择期肺切除术的118名成年患者。目的是评估术中静脉注射利多卡因、氯胺酮和镁剂(LKM)与术后镇痛结果之间的关联。71名患者作为标准化多模式镇痛方案的一部分接受了术中LKM,包括利多卡因(1.5 mg/kg推注后以1.5 mg/kg/h输注)、氯胺酮(0.3 mg/kg推注)和硫酸镁(1.5 g推注)。47名患者接受了未使用LKM的标准麻醉。未分配研究特异性干预;暴露基于常规麻醉实践。主要结局为术后最初24小时内的静脉吗啡总消耗量。次要结局包括3小时和24小时时的疼痛评分(VAS)、3个月时慢性术后疼痛的发生率、肺部及心血管并发症、肾损伤、血栓栓塞事件、住院时间和死亡率。
安全监测包括低血压、心动过缓、心律失常、幻觉以及麻醉苏醒延迟。本研究旨在识别影响胸科手术后疼痛和阿片类药物使用的围手术期因素,同时评估LKM在多模式镇痛策略中的潜在益处。所有患者均提供了知情同意,且本研究获得了当地伦理委员会的批准。数据收集和临床管理均遵循标准的机构方案。
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。




