激光与开放式手术治疗肛瘘的比较研究
本数据集源自 clinicaltrials.gov,收录一项在 GSVM Medical College, Kanpur 开展的前瞻性、随机、开放标签、平行组干预性临床试验,比较 FiLaC 激光手术与常规开放式手术(fistulotomy 或 fistulectomy)治疗肛瘘的临床疗效与安全性

基本信息
资源简介
激光与开放式手术治疗肛瘘的比较研究
本数据集源自 clinicaltrials.gov,收录一项在 GSVM Medical College, Kanpur 开展的前瞻性、随机、开放标签、平行组干预性临床试验,比较 FiLaC 激光手术与常规开放式手术(fistulotomy 或 fistulectomy)治疗肛瘘的临床疗效与安全性。共纳入 100 名确诊为括约肌间型或经括约肌型肛瘘的成年患者,按 1:1 随机分为激光手术组与开放手术组。数据可用于肛瘘手术方式疗效与安全性比较、围手术期结局分析等研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:肛瘘。这是一项在 GSVM Medical College, Kanpur 开展的前瞻性、随机、开放标签、平行组干预性临床试验,旨在比较使用 FiLaC(Fistula Laser Closure)技术的激光手术与常规开放式手术(fistulotomy 或 fistulectomy)在肛瘘治疗中的临床疗效与安全性。共纳入 100 名成年患者(>18 岁),基于临床评估和磁共振(MR)瘘管造影确诊为括约肌间型或经括约肌型肛瘘。在知情同意和筛查后,患者按 1:1 比例随机分为两组:A 组(激光手术组):接受微创 FiLaC 手术,使用 1470 nm 二极管激光和径向光纤探头进行瘘管内消融。B 组(开放手术组):接受传统
【主题与分类】
主题标签:FISTULA IN ANO。本站分类:消化系统疾病/肛瘘。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07083778
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/NCT07083778
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:肛门瘘。这是一项前瞻性、随机、开放标签、平行组干预性临床试验,在坎普尔GSVM医学院进行,旨在比较使用FiLaC(瘘管激光闭合)技术的激光手术与传统开放手术(瘘管切开术或瘘管切除术)在肛门瘘治疗中的临床疗效和安全性。共纳入100名成年患者(>18岁),根据临床评估和磁共振(MR)瘘管造影确诊为括约肌间或经括约肌肛门瘘。在知情同意和筛查后,患者按1:1比例随机分为两组:A组(激光手术组):接受微创FiLaC手术,使用1470 nm二极管激光和径向光纤探头进行瘘管内消融。B组(开放手术组):接受传统开放手术,包括瘘管切开术、瘘管切除术或LIFT(括约肌间瘘管结扎术),具体取决于瘘管解剖结构。所有手术均在脊髓麻醉下进行。两组术后护理均标准化。
患者至少接受3个月的随访,期间定期进行结构化的临床评估。主要结局指标包括:术后疼痛(7天内VAS评分)、住院时间、恢复正常日常活动的时间。次要结局评估指标为:3个月时的复发率、3个月内完全愈合(内外口闭合,分泌物停止)、肛门失禁率、肛门狭窄率。本研究旨在评估激光方法是否在术后并发症、患者舒适度及生活质量方面带来显著改善,同时探究与手术效果不佳或复发相关的风险因素。
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。




