经椎间孔经皮内镜腰椎间盘摘除术后椎间盘清除的学习曲线、结局参数与MRI评估
该数据集来自clinicaltrials.gov,聚焦单节段腰椎间盘突出(LDH)接受经椎间孔经皮内镜腰椎间盘摘除术(TPELD)的患者,收集社会人口学特征(年龄、性别)、手术时间、术前及术后疼痛评分、并发症、摘除椎间盘重量与ODI评分,并纳入C臂透视与术后MRI评估

基本信息
资源简介
经椎间孔经皮内镜腰椎间盘摘除术后椎间盘清除的学习曲线、结局参数与MRI评估
该数据集来自 clinicaltrials.gov,聚焦单节段腰椎间盘突出(LDH)患者接受经椎间孔经皮内镜腰椎间盘摘除术(TPELD)后的学习曲线、结局参数与椎间盘摘除情况的MRI评估。数据涵盖患者社会人口学特征(年龄、性别)、手术时间、术前与术后疼痛评分、并发症、摘除椎间盘重量以及ODI(Oswestry功能障碍指数)评分,并纳入C臂透视与术后MRI检查结果作为评估参数。所有数据均取自患者的医疗记录,纳入对象为接受TPELD的单节段LDH患者,数据不完整者及接受翻修手术者被排除。该数据集可用于考察手术学习曲线、疼痛缓解程度与影像学评估之间的关系。
【数据集背景】
腰椎间盘突出症是脊柱外科常见疾病之一,经椎间孔经皮内镜腰椎间盘摘除术(TPELD)属于微创手术方式。该数据集围绕单节段腰椎间盘突出患者接受TPELD后的学习曲线、结局参数及MRI评估展开,研究者在评估中回顾了临床评价、C臂透视影像与术后MRI表现,作为评价参数。数据集主题标签为“Herniated Nucleus Pulposus”(髓核突出)。在站内分类中,该数据集归入“消化系统疾病 / 其他”类别。
【数据内容】
数据集收集的数据涉及患者的社会人口学特征(年龄与性别)、手术时间、术前疼痛量表评分(1–10)、术后疼痛量表评分、并发症、摘除椎间盘的重量以及ODI评分。疼痛评估方面,术前疼痛量表在手术前48小时内评定,术后疼痛量表在手术后一个月与三个月时评定,并通过比较术前与术后疼痛量表评分来评估疼痛的减轻程度。此外,评估参数还包括C臂透视影像与术后MRI检查结果,用于评估椎间盘摘除情况。
【采集与来源】
数据来源站为 clinicaltrials.gov。所有数据均取自患者的医疗记录。纳入对象为接受TPELD的单节段腰椎间盘突出(LDH)患者;数据不完整的患者以及接受翻修手术的患者被排除。研究者在评估过程中回顾了临床评价、C臂透视影像与术后MRI表现。
【适用场景】
源站未提供。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/NCT05521750
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:髓核突出。研究者审查了临床评估、C臂机摄片及术后MRI表现作为评估参数。所有数据均取自接受TPELD(经皮椎间孔镜下腰椎间盘切除术)后单节段LDH(腰椎间盘突出)患者的病历记录。数据不完整及接受翻修手术的患者被排除在外。收集的数据涉及患者的社会人口学特征(年龄和性别)、手术时间、术前疼痛评分(1-10分)、术后疼痛评分、并发症、切除椎间盘的重量以及ODI(Oswestry功能障碍指数)评分。术前疼痛评分在手术前48小时内评估,术后疼痛评分在术后1个月和3个月时评估。通过比较术前疼痛评分与术后1个月和3个月随访时的疼痛评分来评估疼痛减轻程度。收集TPELD术前及TPELD术后3个月的MRI数据,以评估椎间盘切除百分比,参照由两名独立放射科人员对轴位MRI进行的量化分析。
突出椎间盘的面积由用户根据自身判断选取尽可能多的点进行测量,以勾勒出合理的椎间盘突出轮廓。所有TPELD手术均由同一位脊柱外科医生完成,仅使用一种内镜器械,且针对单一节段的LDH。该外科医生未参与数据收集,数据由独立评估人员采集。统计分析采用SPSS 23.0进行。研究者对所有数值变量采用Shapiro-Wilk检验进行分布正态性检验。外科医生的学习曲线采用Silva等人(2013)描述的负曲线拟合回归分析(y = ae-bx+ c)进行评估。随后,根据手术时间将所有病例分为两组:达到50%熟练度之前及当时的病例(早期组)和达到50%熟练度之后的病例(后期组)。
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。




