远端胰腺切除术前内镜下胰管支架置入随机对照试验
该数据集来自 clinicaltrials.gov，围绕远端胰腺切除术前内镜下胰管支架置入的随机对照试验，覆盖胰腺切除与胰腺瘘相关主题
基本信息
资源简介
远端胰腺切除术前内镜下胰管支架置入随机对照试验
该数据集英文名为 Preoperative Endoscopic Pancreatic Stent for Distal Pancreatectomy，来源于 clinicaltrials.gov，在站内归入消化系统疾病 / 其他分类，主题标签为 Pancreatectomy 与 Pancreatic Fistula。其内容围绕一项随机对照试验展开，评估远端胰腺切除术前内镜下胰管支架置入在预防术后胰腺瘘方面的效果。试验将患者随机分配至术前支架组或单纯手术组，术前胰管支架置入在手术前 1-2 周进行，支架于术后 4 周取出，并比较两组的术后胰腺瘘发生率、并发症、死亡率及总住院时间。该数据集覆盖胰腺切除与胰腺瘘相关主题，适用于了解该试验设计与相关结局指标的参考场景。
【数据集背景】
远端胰腺切除术后胰腺瘘是临床关注的重要问题。该数据集所对应的研究以随机对照试验的形式，考察术前内镜下胰管支架置入能否降低远端胰腺切除（伴或不伴脾切除）术后胰腺瘘的发生。研究涉及的条件包括 Pancreatectomy 与 Pancreatic Fistula，主题标签同样聚焦于胰腺切除与胰腺瘘，体现出该数据集在消化系统疾病领域中的定位。
【数据内容】
该数据集所涵盖的内容来自一项随机对照试验。试验设置术前支架组与单纯手术组两个分组，患者被随机分配至其中一组。干预措施为术前胰管支架置入，安排在手术前 1-2 周进行，支架在术后 4 周取出。研究比较的结局包括术后胰腺瘘发生率、并发症、死亡率以及总住院时间。除上述分组、干预时间安排与结局指标外，源站未提供更细化的数据字段说明。
【采集与来源】
该数据集来源站为 clinicaltrials.gov，属于临床试验注册信息。源站描述表明其针对远端胰腺切除术前内镜下胰管支架预防术后胰腺瘘的随机对照试验，纳入条件为 Pancreatectomy 与 Pancreatic Fistula。关于具体的采集流程、数据提取方式与更新频率，源站未提供。
【适用场景】
基于现有信息，该数据集可用于了解远端胰腺切除术前胰管支架置入相关随机对照试验的研究设计、分组方式、干预时点与结局指标设置，适合作为胰腺切除与胰腺瘘主题下的参考资源。关于更具体的分析用途或应用验证，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方式、访问条件或操作说明。
【质量与限制】
该数据集为临床试验注册信息，其内容以源站描述为限。关于样本量、统计方法、数据完整性、偏倚控制等质量相关信息，源站未提供。使用时应注意到现有信息仅覆盖试验设计与结局指标层面的描述，不宜据此推断未提及的结论或指标。
【引用与许可】
源站未提供引用格式与许可条款信息。
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/NCT05297136
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：胰腺切除术、胰瘘。开展一项随机对照试验，评估术前胰管支架置入在预防远端胰腺切除术（伴或不伴脾切除术）术后胰瘘方面的疗效。患者将被随机分配至术前支架组或单纯手术组。术前胰管支架置入将于手术前1-2周进行。支架将于术后4周取出。比较两组的术后胰瘘发生率、并发症发生率、死亡率和总住院时间。
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。
