术前焦虑对正颌手术术中血流动力学及术后疼痛、水肿、牙关紧闭的影响
研究对象为接受双颌正颌手术的牙颌面畸形患者,纳入 ASA I 或 II 级、拟行 Le Fort I 截骨联合双侧下颌升支矢状劈开截骨术者,排除既往正颌手术史、精神疾病、影响愈合的系统性疾病、吸烟、妊娠或问卷不完整者

基本信息
资源简介
术前焦虑对正颌手术术中血流动力学及术后疼痛、水肿、牙关紧闭的影响
该数据集来自 clinicaltrials.gov,为一项在 Istanbul Medipol University 口腔颌面外科开展的前瞻性单中心临床研究。研究对象为接受双颌正颌手术的牙颌面畸形患者,纳入 ASA I 或 II 级、拟行 Le Fort I 截骨联合双侧下颌升支矢状劈开截骨术者,排除既往正颌手术史、精神疾病、影响愈合的系统性疾病、吸烟、妊娠或问卷不完整者。术前焦虑水平采用 State-Trait Anxiety Inventory(STAI-I 和 STAI-II)评估,旨在分析术前焦虑对术中血流动力学参数及术后面部水肿、疼痛和牙关紧闭的影响,可用于相关预测建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:牙颌面畸形。这项前瞻性、单中心临床研究正在 Istanbul Medipol University 口腔颌面外科进行。研究目的是评估接受双颌正颌手术的患者术前焦虑水平对术中血流动力学参数及术后面部水肿、疼痛和牙关紧闭的影响。研究纳入被分类为 ASA I 或 ASA II 级并计划接受 Le Fort I 截骨联合双侧下颌升支矢状劈开截骨术的患者。排除有既往正颌手术史、精神疾病、可能影响愈合的系统性疾病、当前吸烟、妊娠或问卷回答不完整的患者。术前焦虑水平使用 State-Trait Anxiety Inventory(STAI-I 和 STAI-II)进行评估。
【主题与分类】
主题标签:Dentofacial Deformities。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07439679
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/NCT07439679
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:牙颌面畸形。这项前瞻性、单中心临床研究正在伊斯坦布尔梅迪波尔大学口腔颌面外科进行。研究目的是评估术前焦虑水平对接受双颌正颌手术患者术中血流动力学参数及术后面部水肿、疼痛和牙关紧闭的影响。研究纳入ASA I级或ASA II级、计划接受Le Fort I型截骨术联合双侧下颌升支矢状劈开截骨术的患者。排除既往有正颌手术史、精神疾病、可能影响愈合的系统性疾病、当前吸烟、妊娠或问卷回答不完整的患者。术前焦虑水平采用状态-特质焦虑量表(STAI-I和STAI-II)进行评估。根据STAI-I评分,患者被分为低焦虑组和高焦虑组。
在术中期间,按预设时间间隔记录收缩压、舒张压、平均动脉压、心率和外周血氧饱和度。术后评估在术后1小时、1天、2天、5天、10天和1个月时进行。使用三维数字面部扫描系统测量面部水肿,采用视觉模拟评分法(VAS)评估疼痛强度,并测量最大张口度以确定牙关紧闭的程度。
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。




