基于视频指导的藏族人群结肠准备对提高息肉检出率的单中心随机对照试验数据集

该数据集包含一项针对藏族人群的随机对照试验临床数据,主要数据模态为临床表格,记录了149例患者的结肠准备质量评分、息肉检出结果及分组教育信息,旨在通过对比视频与文本两种教育方式,评估其对结肠息肉检出率的提升效果,适用于消化内镜质量控制、人工智能辅助息肉检测模型训练以及少数民族地区医疗干预策略优化等研究方向。

Chuan.Zhang; Guozhen³.An; Cairen.Qiuzhong³; Baderwen.Mao³; Qiumei³.Zhang; Huan².Cao; Jing.Chen; Haifeng³.Xu; Chuxuan.BinChuan.Zhang; Guozhen³.An; Cairen.Qiuzhong³; Baderwen.Mao³; Qiumei³.Zhang; Huan².Cao; Jing.Chen; Haifeng³.Xu; Chuxuan.Bin
科学数据银行
2025-01-09 更新
浏览 24
结肠镜检查准备息肉检出率优化
Video-based Guidance for Colon Preparation in Tibetan Population to Improve Polyp Detection Rate: A Single-center Randomized Controlled Trial Dataset

基本信息

创建/更新时间
2025-01-09

资源简介

该数据集来源于一项前瞻性、内镜医师盲法、随机对照临床试验,旨在评估视频指导对藏族人群结肠准备质量及息肉检出率(PDR)的影响。数据集包含2024年3月1日至7月31日在玉树藏族自治州人民医院接受结肠镜检查的149例患者数据,患者被随机分为视频教育组(70例)和文本教育组(79例)。数据内容包括患者基本信息、结肠准备质量评分(采用渥太华肠道准备评分量表)、息肉检出结果以及相关临床变量。研究通过逻辑回归单因素、多因素及亚组分析,探讨了教育方式与PDR之间的关系。该数据集适用于结肠镜检查准备优化、息肉检测算法开发、少数民族人群医疗干预效果评估等研究方向。

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

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://www.scidb.cn/detail?dataSetId=OA_7c6b2381be984438bd999b83990a87e5

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

该数据集来源于一项前瞻性、内镜医师盲法、随机对照临床试验,旨在评估视频指导对藏族人群结肠准备质量及息肉检出率(PDR)的影响。数据集包含2024年3月1日至7月31日在玉树藏族自治州人民医院接受结肠镜检查的149例患者数据,患者被随机分为视频教育组(70例)和文本教育组(79例)。数据内容包括患者基本信息、结肠准备质量评分(采用渥太华肠道准备评分量表)、息肉检出结果以及相关临床变量。研究通过逻辑回归单因素、多因素及亚组分析,探讨了教育方式与PDR之间的关系。该数据集适用于结肠镜检查准备优化、息肉检测算法开发、少数民族人群医疗干预效果评估等研究方向。

数据加载示例(表格/文本类)

import pandas as pd, glob, os

files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))

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。

获取专属数据定制方案