ProVIDE II 桥接研究
条件：BPH 伴症状性下尿路症状。这是一项前瞻性、多中心、开放标签、非随机桥接研究，旨在评估第二代输送系统在继发于良性前列腺增生（BPH）的症状性尿路梗阻受试者中部署 ProVee 扩张器时的性能
基本信息
资源简介
ProVIDE II 桥接研究
ProVIDE II Bridging Study 是一项在 clinicaltrials.gov 登记的研究数据集，聚焦于良性前列腺增生（BPH）伴症状性下尿路症状这一疾病领域。该研究为前瞻性、多中心、开放标签、非随机桥接研究，其核心目的是评估第二代输送系统在继发于良性前列腺增生的症状性尿路梗阻受试者中部署 ProVee 扩张器时的性能。数据集以“BPH With Symptomatic Lower Urinary Tract Symptoms”为主题标签，归属于消化系统疾病下的“其他”分类。整体而言，该数据集围绕特定医疗器械在特定患者群体中的部署表现展开，为相关领域的临床研究与器械评价提供结构化的研究记录。
【数据集背景】
该数据集来源于 clinicaltrials.gov，所涉及的研究针对的是继发于良性前列腺增生（BPH）的症状性尿路梗阻受试者。良性前列腺增生伴症状性下尿路症状是研究关注的核心条件。研究设计为前瞻性、多中心、开放标签、非随机桥接研究，旨在评估第二代输送系统在部署 ProVee 扩张器时的性能。这一背景表明，该数据集记录的不是药物干预，而是医疗器械在特定临床场景下的应用研究，其“桥接”性质提示研究可能承担连接不同阶段或不同证据体系的角色。
【数据内容】
数据集的主题标签为“BPH With Symptomatic Lower Urinary Tract Symptoms”，对应条件为 BPH 伴症状性下尿路症状。研究内容围绕第二代输送系统部署 ProVee 扩张器的性能评估展开，研究对象为继发于良性前列腺增生的症状性尿路梗阻受试者。数据集本身未提供具体的受试者数量、终点指标、随访时长、统计方法或结果数据。除上述研究设计与目的外，源站未提供更细化的数据字段说明。
【采集与来源】
该数据集的来源站为 clinicaltrials.gov。研究类型为前瞻性、多中心、开放标签、非随机桥接研究。采集方式、采集时间范围、数据采集的具体机构名单、数据管理流程等，源站未提供。
【适用场景】
基于现有信息，该数据集适用于关注良性前列腺增生伴症状性下尿路症状的研究人员、临床医生或医疗器械评价人员，用于了解第二代输送系统部署 ProVee 扩张器这一研究的设计框架与目的。其“桥接研究”属性可能适用于需要参考器械性能评估研究设计的场景。但具体适用场景的边界、可支持的二次分析类型，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括访问方式、数据格式、下载途径、分析工具或操作指南等。
【质量与限制】
该数据集为临床研究登记信息，研究设计明确为前瞻性、多中心、开放标签、非随机桥接研究。由于是非随机、开放标签设计，可能存在相应的偏倚风险，但源站未提供具体的质量评价、样本量、终点定义、统计效能或局限性讨论。数据完整性、准确性及更新状态等信息，源站未提供。
【引用与许可】
源站未提供该数据集的引用格式、许可条款、使用限制或版权说明。
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/NCT06236802
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：伴有症状性下尿路症状的良性前列腺增生。这是一项前瞻性、多中心、开放标签、非随机桥接研究，旨在评估第二代输送系统在因良性前列腺增生（BPH）导致症状性尿路梗阻的受试者中部署ProVee扩张器时的性能。
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。
