比较Quadro-Iliac平面阻滞与腹横筋膜平面阻滞用于开放式腹股沟疝修补术
该数据集来自clinicaltrials.gov,围绕开放式单侧腹股沟疝修补术的术后镇痛,比较Quadro-Iliac平面阻滞与腹横筋膜平面阻滞(TFPB)两种区域阻滞技术

基本信息
资源简介
比较Quadro-Iliac平面阻滞与腹横筋膜平面阻滞用于开放式腹股沟疝修补术
该数据集来自clinicaltrials.gov,围绕开放式单侧腹股沟疝修补术的术后镇痛,比较Quadro-Iliac平面阻滞与腹横筋膜平面阻滞(TFPB)两种区域阻滞技术。源站描述指出开放式腹股沟疝修补术常伴中重度术后疼痛,急性疼痛控制不佳会影响康复并可能促成慢性疼痛,PROSPECT推荐将局部和/或区域镇痛技术纳入多模式镇痛;腹股沟区感觉神经支配涉及肋下神经、髂腹下神经、髂腹股沟神经和生殖股神经,TFPB由Hebbard描述,将局麻药注入腹横肌与腹横筋膜之间的平面,靶向T12-L1区域。数据可用于镇痛方案比较与围手术期疼痛管理研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:单侧腹股沟疝。腹股沟疝修补术是全球最常实施的外科手术之一。开放式腹股沟疝修补术可能伴随中度至重度术后疼痛,急性疼痛控制不充分可能对康复产生不利影响,并促成慢性疼痛的发生。PROSPECT推荐支持将局部和/或区域镇痛技术作为开放式腹股沟疝修补术多模式镇痛的一部分。腹股沟区域的感觉神经支配涉及肋下神经、髂腹下神经、髂腹股沟神经和生殖股神经。由Hebbard描述的腹横筋膜平面阻滞(TFPB)是一种筋膜间平面阻滞,将局部麻醉药注入腹横肌与腹横筋膜之间的平面,靶向T12-L1区域。TF
【主题与分类】
主题标签:Inguinal Hernia Unilateral。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07864064
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/NCT07864064
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:单侧腹股沟疝。腹股沟疝修补术是全球最常实施的外科手术之一。开放式腹股沟疝修补术可能与中度至重度术后疼痛相关,而急性疼痛控制不充分可能对恢复产生不利影响,并促进慢性疼痛的发生。PROSPECT推荐意见支持将局部和/或区域镇痛技术作为开放式腹股沟疝修补术多模式镇痛的一部分。腹股沟区域的感觉神经支配涉及肋下神经、髂腹下神经、髂腹股沟神经和生殖股神经。由Hebbard描述的腹横筋膜平面阻滞(TFPB)是一种筋膜间平面阻滞,将局部麻醉药注射至腹横肌与腹横筋膜之间的平面,靶向T12-L1区域。TFPB用于开放式腹股沟疝修补术的镇痛疗效已在随机对照研究中得到评估。四髂平面阻滞(QIPB)是由Tulgar等人于2024年介绍的一种近期描述的筋膜间平面阻滞。
在一项尸体研究中,有报道称注射物扩散至髂腹股沟神经、髂腹下神经、肋下神经和生殖股神经。据我们所知,尚无研究直接比较QIPB与TFPB在开放腹股沟疝修补术患者术后镇痛中的效果。这是一项前瞻性观察性队列研究,将于2026年10月30日至2027年2月28日在Vezirköprü State Hospital进行。纳入研究的患者接受QIPB或TFPB的决定不会根据研究方案作出,也不会进行随机化。所实施的阻滞技术将根据负责患者的麻醉医师的常规临床实践和临床判断独立于患者是否纳入研究来决定。研究者不会就阻滞技术的选择提供任何指导。接受QI
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。




