非急诊粘连性小肠梗阻管理研究
该数据集来自 clinicaltrials.gov,为 SBO-CHOICE 前瞻性多中心观察性研究,聚焦粘连性小肠梗阻(ASBO)的管理

基本信息
资源简介
非急诊粘连性小肠梗阻管理研究
该数据集来自 clinicaltrials.gov,为 SBO-CHOICE 前瞻性多中心观察性研究,聚焦粘连性小肠梗阻(ASBO)的管理。ASBO 常由既往腹部手术所致粘连引起,是无肠缺血、绞窄、腹膜炎等需立即手术征象患者急诊入院的常见原因,此类患者可先接受非手术治疗,包括静脉补液、暂时禁食、必要时置入鼻胃管及使用水溶性造影剂。许多患者无需手术即可恢复,但部分最终仍需手术,且出院后梗阻可能复发。数据可用于研究 ASBO 非急诊管理路径与结局(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:SBO - 小肠梗阻。SBO-CHOICE 是一项前瞻性、多中心观察性研究,调查粘连性小肠梗阻(ASBO)的管理,该疾病中瘢痕组织(粘连)通常由既往腹部手术引起,导致小肠阻塞。粘连性小肠梗阻是急诊住院的常见原因。对于没有肠缺血、绞窄、腹膜炎或其他需要立即手术的情况征象的患者,治疗最初可能为非手术治疗。这可包括静脉输液、暂时禁食、必要时放置鼻胃管以及使用水溶性造影剂。许多患者无需手术即可康复。然而,一些患者最终需要手术,且出院后肠梗阻可能复发。目前,仍不确定
【主题与分类】
主题标签:SBO - Small Bowel Obstruction。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07860177
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/NCT07860177
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:SBO——小肠梗阻。SBO-CHOICE是一项前瞻性、多中心观察性研究,旨在探讨粘连性小肠梗阻(ASBO)**的管理。粘连性小肠梗阻是一种因瘢痕组织(粘连)导致小肠阻塞的疾病,粘连通常由既往腹部手术引起。粘连性小肠梗阻是急诊入院的常见原因。对于没有肠缺血、绞窄、腹膜炎或其他需要立即手术的情况的患者,治疗最初可采用非手术方式。这可包括静脉输液、暂时禁食、必要时放置鼻胃管以及使用水溶性造影剂。许多患者无需手术即可康复。然而,部分患者最终仍需手术,且出院后肠梗阻可能复发。目前,对于手术被认为是合理选择但并非立即必需的患者,哪种治疗策略能提供最佳的长期结局仍不确定。1. 该研究的目的是什么?
SBO-CHOICE的主要目的是比较因粘连性小肠梗阻入院的成年患者在接受以下两种治疗后的结局:在初次住院期间接受手术治疗,或接受非手术(内科)治疗并在未手术的情况下出院。主要结局是患者在12个月内是否因再次发生粘连性小肠梗阻而重新入院。该研究还将考察其他重要结局,包括随访期间是否需要急诊手术、并发症、死亡率、住院时间、进一步与粘连相关的手术操作以及患者的生活质量。2. 参与研究是否决定患者接受哪种治疗?SBO-CHOICE是一项观察性研究,不会将患者分配到特定治疗组。所有诊断和治疗决策均由治疗外科团队根据患者的临床状况和常规临床实践作出。
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。




