经皮电刺激治疗非糜烂性胃食管反流病(NERD)临床试验
本数据集来自 clinicaltrials.gov,为一项在中国多中心开展的前瞻性、随机、双盲、假刺激对照、平行组临床试验,纳入 204 例非糜烂性胃食管反流病(NERD)受试者,按 1:1 随机分配接受 4 周主动经皮电刺激(TEA)或假刺激

基本信息
资源简介
经皮电刺激治疗非糜烂性胃食管反流病(NERD)临床试验
本数据集来自 clinicaltrials.gov,为一项在中国多中心开展的前瞻性、随机、双盲、假刺激对照、平行组临床试验,纳入 204 例非糜烂性胃食管反流病(NERD)受试者,按 1:1 随机分配接受 4 周主动经皮电刺激(TEA)或假刺激。数据可用于评估 TEA 对 NERD 的疗效与安全性,并支持随机对照试验方法学及分组比较分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:非糜烂性反流病(NERD)。研究设计:这是一项在中国多个中心开展的前瞻性、多中心、随机、双盲、假刺激对照、平行组临床试验。共将纳入 204 名符合条件的非糜烂性胃食管反流病(NERD)受试者,按 1:1 比例随机分配接受主动经皮电刺激(TEA)或假刺激,为期 4 周。随机化将采用计算机生成的区组随机设计(固定区组大小为 4),按研究中心分层,由中心统一执行。由于刺激部位不同,治疗实施者将知晓分组情况;但受试者、结局评估者和数据分析者将对治疗分配保持盲态。电子病例报告表(eCRF)中将使用组别标签(A 组 / B 组)。
【主题与分类】
主题标签:Non-erosive Reflux Disease (NERD)。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07572708
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/NCT07572708
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:非糜烂性反流病(NERD)。研究设计:这是一项前瞻性、多中心、随机、双盲、假刺激对照、平行组临床试验,在中国多个中心开展。共纳入204例符合条件的非糜烂性胃食管反流病(NERD)受试者,按1:1比例随机分配接受活性经皮电刺激(TEA)或假刺激治疗4周。随机化采用计算机生成的区组随机设计(固定区组大小为4),按研究中心分层,由中央进行。由于刺激部位不同,治疗实施者将知晓分组情况;但受试者、结局评估者和数据分析者将对治疗分配保持盲态。电子病例报告表(eCRF)中将使用组别标签(A组/B组)以维持盲态。研究人群:受试者将从消化内科门诊招募。
符合条件的参与者必须满足以下所有标准:年龄18-75岁;典型烧心症状持续≥3个月;在导入期日记记录期间,烧心症状出现天数≥2天;12个月内经内镜确诊为NERD(无食管糜烂,洛杉矶分级N/M);以及愿意在研究期间停用抑酸治疗。主要排除标准包括:熟悉穴位;存在食管结构或黏膜疾病(如Barrett食管、糜烂性食管炎LA分级A-D);胃溃疡或十二指肠溃疡;符合罗马IV标准的功能性烧心或消化不良;未控制的系统性疾病;植入电子设备(如心脏起搏器);妊娠;以及过去3个月内参与其他干预性试验。所有入组参与者将根据基线导入期(电子日记)的烧心频率分为两个亚组:亚组A(烧心≥4天/周)和亚组B(烧心2-3天/周)。该分层将用于预
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。




