Optomesh 3D 用于腹股沟疝修补的安全性与有效性
该数据集来自 clinicaltrials.gov,围绕 Optomesh 3D 补片在择期腹腔镜腹股沟疝修补中的安全性与临床性能

基本信息
资源简介
Optomesh 3D 用于腹股沟疝修补的安全性与有效性
该数据集来自 clinicaltrials.gov,围绕 Optomesh 3D 补片在择期腹腔镜腹股沟疝修补中的安全性与临床性能。研究为前瞻性、多中心、观察性队列,聚焦 TAPP 或 TEP 术式、补片放置且不额外固定,随访 12 个月。补片为解剖型不可吸收聚丙烯网片,有左右侧及 S/M、L 规格。数据可用于评估术后结局、补片相关安全性与有效性,并支持疝修补领域的观察性比较研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:腹股沟疝。OPTIMUS 是一项前瞻性、多中心、观察性队列研究,评估 Optomesh® 3D 植入物(TZMO S.A.,波兰)在择期腹腔镜腹股沟疝修补中的安全性与临床性能。该研究关注经腹腹膜前(TAPP)或完全腹膜外(TEP)修补并放置补片且不额外固定的结局。每位参与者术后随访 12 个月。Optomesh® 3D 是一种解剖形状的、不可吸收的聚丙烯补片,用于腹股沟疝修补。它由透明和蓝色单丝聚丙烯纱线制成,并包含一个方向标记。有右侧和左侧变体,提供 S/M 和 L 尺寸。植入物变体和尺寸根据患者解剖结构选择。连续入组接受择期修补的男女患者。
【主题与分类】
主题标签:Inguinal Hernia。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07836179
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/NCT07836179
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:腹股沟疝。OPTIMUS是一项前瞻性、多中心、观察性队列研究,旨在评估Optomesh® 3D植入物(TZMO S.A.,波兰)在择期腹腔镜腹股沟疝修补术中的安全性和临床性能。该研究关注经腹腹膜前(TAPP)或完全腹膜外(TEP)修补术后不额外固定放置补片的结局。每位参与者术后将接受12个月的随访。Optomesh® 3D是一种解剖形状、不可吸收的聚丙烯补片,用于腹股沟疝修补。它由透明和蓝色单丝聚丙烯纱线制成,并包含一个方向标记。有右侧和左侧两种型号,提供S/M和L尺寸。植入物型号和尺寸根据患者的解剖结构选择。在参与的外科中心,连续接受该植入物择期修补术的男女患者将被考虑纳入。参与需要书面知情同意并符合研究资格标准。
收集的数据将包括患者特征、体重指数、合并症、手术入路、手术时间和植入物尺寸。手术记录将包括手术步骤的视频录像或照片。这些材料将被编码,并通过受限访问平台提供给研究人员。研究数据将存储在安全的数据库中。随访评估将在术后7-10天、30天、3个月和12个月进行。电话问卷将收集复发、疼痛、并发症、腹股沟不适和异物感的信息。疼痛强度将使用0-10视觉模拟量表进行评估。慢性疼痛将被评估为持续超过3个月、干扰日常活动且疼痛评分超过4/10的疼痛。早期并发症将在30天内进行评估,并在12个月的随访期间进一步评估并发症。
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。




