剖腹切口缝合缝线尺寸预防术后并发症数据集
该数据集来自 clinicaltrials.gov,围绕剖腹切口筋膜缝合时缝线尺寸选择与术后并发症的关系,比较2/0与0号缝线对切口疝的预防效果,并评估伤口裂开和伤口感染的发生率

基本信息
资源简介
剖腹切口缝合缝线尺寸预防术后并发症数据集
该数据集来自 clinicaltrials.gov,围绕剖腹切口筋膜缝合时缝线尺寸选择与术后并发症的关系,比较2/0与0号缝线对切口疝的预防效果,并评估伤口裂开和伤口感染的发生率。研究为前瞻性、多中心、随机对照双盲试验,目标人群为2022至2023年间在Royal Hospital、Sultan Qaboos University Hospital和Armed Force Hospital接受择期或急诊剖腹术的18岁及以上成人。数据可用于分析缝线尺寸与切口疝等术后结局的关联(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Suture Size, Incisional Hernia。研究目的与假设 主要目的:通过评估2/0号与0号缝线,确定剖腹切口后关闭筋膜以预防切口疝的最佳缝线尺寸。次要目的:评估两组研究组中伤口裂开和伤口感染的发生率。研究假设:2/0号缝线可降低腹部筋膜关闭时切口疝的发生率。研究设计与方法 研究设计:前瞻性、多中心、随机对照双盲试验。研究区域与目标人群特征:2022年至2023年间在Royal Hospital、Sultan Qaboos University Hospital和Armed Force Hospital接受择期或急诊剖腹术的患者。符合条件的患者为18岁及以上、已签署知情同意书的成人,且
【主题与分类】
主题标签:Suture Size, Incisional Hernia。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05474677
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/NCT05474677
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:缝线尺寸、切口疝。研究目的与假设 主要目的:通过评估2/0号与0号缝线,确定剖腹手术切口关闭筋膜以预防切口疝的最佳缝线尺寸。次要目的:评估两组研究对象的伤口裂开和伤口感染发生率。研究假设:2/0号缝线可降低腹部筋膜关闭时切口疝的发生率。研究设计与方法 研究设计:前瞻性、多中心、随机对照双盲试验。研究区域与目标人群特征:2022年至2023年间在皇家医院、苏丹卡布斯大学医院和武装部队医院接受择期或急诊剖腹手术的患者。符合条件的患者为年龄18岁及以上的成年人,已签署知情同意书且预期生存期超过一年。排除标准为:3个月内有中线剖腹手术史的患者、孕妇以及有切口疝病史的患者。
我们通过抽样估算,每组需要125例患者,以在双侧α水平0.05下提供80%的检验效能,检测切口疝发生率至少降低50%(经典组18% vs 2.0组6%)。我们计划总共纳入276例患者(每组n=138),以校正每组估计10%的失访率。所使用的统计方法为Fisher精确检验。计算使用G*Power 3.1.9.2版软件完成。随机化将通过使用一款软件来实现。变量定义与测量:干预组患者的腹部将使用PDS 2\0缝线连续缝合关闭,每针间距0.5厘米。对照组将采用皇家医院的常规方法关闭,即使用双环连续缝合。性别、年龄、BMI、吸烟、糖尿病、COPD、心血管疾病、皮质类固醇使用、既往剖腹手术
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。




