舌刷(Orabrush)降低卒中患者吸入性肺炎研究

该数据集来自 clinicaltrials.gov,为一项前瞻性对照实验干预研究,招募马尔堡大学医院卒中单元2024年11月至约2026年10月收治的缺血性卒中患者

University Hospital MarburgUniversity Hospital Marburg
clinicaltrials
浏览 2
图像预测Dysphagia After StrokeAspiration PneumoniasIschemic Stroke
Tongue Brush (Orabrush) for Reducing Aspiration Pneumonia in Stroke Patients

基本信息

模态
图像
任务类型
预测
创建/更新时间
2026-11-02

资源简介

舌刷(Orabrush)降低卒中患者吸入性肺炎研究

该数据集来自 clinicaltrials.gov,为一项前瞻性对照实验干预研究,招募马尔堡大学医院卒中单元2024年11月至约2026年10月收治的缺血性卒中患者。研究主要目的是探究舌刷(Orabrush)对吸入性肺炎发生率和吞咽困难的影响,次要结局包括舌部细菌定植、舌苔指数及住院时长分析。关键研究参数涵盖吸入率、EAT-10、GUSS、舌拭子及舌部照片,数据在入院当天及3-5天后采集。可用于研究口腔护理干预与卒中后吸入性肺炎、吞咽困难的关系(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:卒中后吞咽困难、吸入性肺炎、缺血性卒中。作为一项前瞻性对照实验干预研究的一部分,将在马尔堡大学医院卒中单元招募2024年11月至约2026年10月期间入院的缺血性卒中患者。本研究的主要目的是探究舌刷(Orabrush)对吸入性肺炎发生率和吞咽困难的影响。次要结局包括舌部细菌定植、舌苔指数及患者住院时长的分析。关键研究参数包括吸入率、EAT-10、GUSS、舌拭子以及用于确定舌苔指数的舌部照片。数据将在入院当天及3-5天后采集。该研究已获得相关伦理委员会的批准

【主题与分类】

主题标签:Dysphagia After Stroke、Aspiration Pneumonias、Ischemic Stroke。本站分类:循环系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT06765018

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://clinicaltrials.gov/study/NCT06765018

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:卒中后吞咽困难、吸入性肺炎、缺血性卒中。作为一项前瞻性对照实验性干预研究的一部分,将在马尔堡大学医院卒中单元招募2024年11月至约2026年10月期间入院的缺血性卒中患者。本研究的主要目的是探讨舌刷(Orabrush)对吸入性肺炎发生率和吞咽困难的影响。次要结局包括分析舌部细菌定植、舌苔指数以及患者住院时间。关键研究参数包括吸入率、EAT-10、GUSS、舌拭子以及用于确定舌苔指数的舌部照片。数据将在入院当天及3-5天后收集。该研究已获得相关伦理委员会的批准。

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。

需要用于商业化训练或医疗器械注册(NMPA/FDA)?

公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。