生长抑素预防术后胰瘘研究
该数据集来自 clinicaltrials.gov，围绕胰腺手术术后胰瘘的预防问题，比较生长抑素-14 与奥曲肽在抑制胰腺外分泌及预防胰瘘方面的作用
基本信息
资源简介
生长抑素预防术后胰瘘研究
该数据集英文名为 Prevention of Postoperative Pancreatic Fistula by Somatostatin，来源于 clinicaltrials.gov，主题标签为 Pancreatic Surgery，在分类上归属于消化系统疾病 / 其他。数据集围绕胰腺手术术后胰瘘的预防问题展开，核心是比较生长抑素-14 与奥曲肽在抑制胰腺外分泌及预防胰瘘方面的作用。源站描述指出，胰瘘预防仍是外科医生面临的重大挑战，多种技术与药物干预被研究但结果相互矛盾；奥曲肽对胰瘘的预防作用虽有常规使用推荐，却仍存争议。研究者据此提出假设：对生长抑素受体更高的亲和力可带来更强的胰腺外分泌抑制和更好的胰瘘预防，因此持续静脉输注与所有生长抑素受体亲和力强 10 至 50 倍的自然肽类激素生长抑素-14，相比奥曲肽将获得更优的胰瘘预防效果。
【数据集背景】
胰腺手术术后胰瘘的预防是外科领域的难题。围绕这一难题，已有多种技术与药物干预被研究，但结果并不一致。奥曲肽作为药物干预手段之一，尽管被推荐用于接受胰腺切除的患者常规使用，其预防胰瘘的作用仍存在争议，即便已有若干前瞻性研究和荟萃分析。正是在这一背景下，研究者关注生长抑素-14 这一自然肽类激素，并提出其与所有生长抑素受体具有更强亲和力，从而可能更有效地抑制胰腺外分泌、改善胰瘘预防效果。
【数据内容】
该数据集的主题标签为 Pancreatic Surgery，所属分类为消化系统疾病 / 其他。其内容围绕胰腺手术术后胰瘘预防的临床研究主题展开，涉及生长抑素-14 与奥曲肽两种药物的比较，关注点包括对胰腺外分泌的抑制以及胰瘘的预防。源站描述提及持续静脉输注生长抑素-14 的给药方式，以及与奥曲肽在受体亲和力上的差异。除上述主题性描述外，数据集的具体变量、样本量、终点指标等细节源站未提供。
【采集与来源】
该数据集来自 clinicaltrials.gov。源站描述中列出的条件为 Pancreatic Surgery。其余关于采集时间、采集方式、纳入排除标准等信息源站未提供。
【适用场景】
基于现有描述，该数据集适用于关注胰腺手术术后胰瘘预防的研究场景，尤其是围绕生长抑素-14 与奥曲肽在抑制胰腺外分泌和预防胰瘘方面比较的临床研究主题。也可用于了解胰腺切除患者药物干预预防胰瘘这一争议性问题的研究背景。其他具体应用场景源站未提供。
【使用方法】
源站未提供。
【质量与限制】
源站未提供关于数据质量、完整性或使用限制的说明。需要注意的是，源站描述中关于生长抑素-14 优于奥曲肽的表述属于研究者的假设，而非既定结论。
【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/NCT03000946
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：胰腺手术。胰瘘的预防仍是外科医生面临的重大挑战，各种技术和药物干预措施已被研究，但结果相互矛盾。尽管已有数项前瞻性研究和荟萃分析，奥曲肽对胰瘘的预防作用仍存在争议，即使其被推荐用于接受胰腺切除术患者的常规使用。鉴于近期结果，研究者可假设对生长抑素受体更高的亲和力可导致更强的胰腺外分泌抑制作用，以及更好的胰瘘预防效果。因此，与奥曲肽相比，持续静脉输注生长抑素-14——这种天然肽类激素与所有生长抑素受体的亲和力强10至50倍——将带来更好的胰瘘预防效果。
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。
