Scrambler 疗法治疗慢性胰腺炎
该数据集来自 clinicaltrials.gov，围绕 Scrambler Therapy（ST）用于慢性胰腺炎顽固性腹痛的单臂观察性初步研究
基本信息
资源简介
Scrambler 疗法治疗慢性胰腺炎
该数据集来自 clinicaltrials.gov，围绕 Scrambler Therapy（ST）用于慢性胰腺炎顽固性腹痛的单臂观察性初步研究。计划通过门诊和住院会诊入组约 40 名慢性胰腺炎成人患者，入组者为经药物和/或内镜或手术管理后仍持续显著疼痛者。受试者签署知情同意后接受每天 5-10 次、每次 30-40 分钟的 ST 治疗，电极置于疼痛部位附近但不直接覆盖疼痛部位的皮肤，强度调整至患者感到可耐受的麻刺“非痛”感。每次治疗前后采集 0-10 视觉模拟量表（VAS）疼痛评分，可用于评估疼痛强度变化及相关分析（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：病症：慢性疼痛、胰腺炎、慢性胰腺炎。这是一项单臂、观察性初步研究，旨在检验 Scrambler Therapy（ST）是否为慢性胰腺炎顽固性腹痛可行且有效的治疗。约 40 名慢性胰腺炎（CP）成人将通过门诊和住院会诊入组。符合条件的参与者是那些尽管接受药物和/或内镜或手术管理仍持续经历显著疼痛的人。在知情同意后，参与者将接受每天 5-10 次 Scrambler Therapy 治疗，每次持续 30-40 分钟。电极将放置在疼痛部位附近但不直接覆盖疼痛部位的皮肤区域。治疗强度将被调整，直到患者感觉到可耐受的、麻刺的“非痛”感。疼痛评分（0-10 视觉模拟量表，VAS）将在每次治疗前后采集。
【主题与分类】
主题标签：Chronic Pain、Pancreatitis、Chronic Pancreatitis。本站分类：消化系统疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07174609
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/NCT07174609
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
病症：慢性疼痛、胰腺炎、慢性胰腺炎。这是一项单臂观察性初步研究，旨在检验Scrambler疗法（ST）对于慢性胰腺炎难治性腹痛是否是一种可行且有效的治疗方法。将通过门诊和住院会诊招募约40名患有慢性胰腺炎（CP）的成年人。符合条件的参与者是那些尽管接受了内科和/或内镜或手术治疗仍持续经历显著疼痛的患者。在知情同意后，参与者将接受5-10次每日Scrambler治疗，每次持续30-40分钟。电极将放置在疼痛部位附近但不直接覆盖疼痛部位的皮肤区域。治疗强度将调整至患者感受到可耐受的刺痛“非疼痛”感。每次治疗前后将收集疼痛评分（0-10视觉模拟量表，VAS）。参与者将被随访3个月，通过短信、电话或电子邮件每周收集疼痛评分，并在3个月时填写标准化问卷。
次要结局包括阿片类药物使用、30%和50%的疼痛减轻，以及患者报告结局（PROMIS工具和患者总体印象变化）。安全性将通过记录任何不良事件来监测，特别关注电极部位的轻度皮肤刺激。主要目标是确定招募和保留患者的可行性，以及他们完成治疗和随访的意愿。如果Scrambler疗法显示出前景，这些数据将支持设计更大规模的对照试验，旨在改善慢性胰腺炎患者的疼痛管理。
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。
