经口无切口胃底折叠术治疗咽喉反流患者数据集
该数据集来自 clinicaltrials.gov，聚焦经口无切口胃底折叠术（TIF）用于咽喉反流（LPR）患者的临床研究
基本信息
资源简介
经口无切口胃底折叠术治疗咽喉反流患者数据集
该数据集来自 clinicaltrials.gov，聚焦经口无切口胃底折叠术（TIF）用于咽喉反流（LPR）患者的临床研究。源站描述显示，Brigham and Women's Hospital 的动力障碍患者中超过三分之一存在 LPR，而 LPR 作为 TIF 主要适应证的文献有限，且尚无单一疗法被证明长期有效。研究拟纳入最多 25 例患者接受 TIF 手术，为期 12 个月，比较基线及术后 3 个月的客观与主观结局以评估疗效。数据可用于消化系统疾病中反流与动力障碍相关研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：胃食管反流病（GERD）、咽喉反流（LPR）、反流疾病（胃食管）、动力障碍。迄今为止，研究者在 Brigham and Women's Hospital 实践中见到的动力障碍患者中，超过三分之一患有 LPR。目前针对 LPR 作为 TIF 手术主要适应证的文献有限，而且多年来没有任何单一疗法被证明对 LPR 有效。研究者提出一项初步研究，以探讨使用 EsophyX 设备（EndoGastric Solutions, Inc., Redmond WA, USA）的 TIF 在 LPR 患者中的疗效。研究设计将包括最多 25 名患者接受 TIF 手术，完成研究需要 12 个月。研究者将比较基线时和 TIF 手术后 3 个月的客观和主观结局，以评估其针对
【主题与分类】
主题标签：Gastroesophageal Reflux Disease (GERD)、Laryngopharyngeal Reflux (LPR)、Reflux Disease, Gastro-Esophageal、Motility Disorder。本站分类：消化系统疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT05579587
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/NCT05579587
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
适应症：胃食管反流病（GERD）、咽喉反流（LPR）、反流性疾病、胃食管反流、动力障碍。迄今为止，在布莱根妇女医院实践中，研究者接诊的动力障碍患者中超过三分之一患有LPR。目前，将LPR作为TIF手术主要适应症的文献有限，此外，多年来尚无单一疗法被证明对LPR有效。研究者提出一项初步研究，旨在探讨使用EsophyX设备（EndoGastric Solutions， Inc.，美国华盛顿州雷德蒙德）进行TIF治疗LPR患者的疗效。研究设计将包括最多25名接受TIF手术的患者，完成研究需12个月。研究者将比较基线时和TIF术后3个月的客观和主观结果，以评估其对LPR的疗效。研究者将向EndoGastric Solutions提交提案，预计他们将承担开展初步研究所需的部分资金。总之，尽管LPR构成了重大的医疗负担，但仍缺乏有效的治疗方法。
PPI药物治疗的反应因人而异，而更具侵入性的腹腔镜胃底折叠术则伴有较高的不良长期副作用风险。TIF有望在药物治疗与更具侵入性方法之间，为罹患此病的患者群体架起桥梁。对于慢性或难治性LPR患者——即药物治疗失败或不愿接受长期药物治疗者——TIF有潜力成为一种侵入性更小且安全的治疗选择。
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。
