内镜与开放腕管松解术的极早期结局

该数据集来自 clinicaltrials.gov,聚焦 Carpal Tunnel Syndrome (CTS) 患者接受内镜与开放腕管松解术(CTR)后的极早期(术后 2 周内)结局比较

Stanford UniversityStanford University
clinicaltrials
浏览 16
视频预测Carpal Tunnel Syndrome (CTS)
Very Early Outcomes in Endoscopic Versus Open Carpal Tunnel Release

基本信息

模态
视频
任务类型
预测
创建/更新时间
2026-10-10

资源简介

内镜与开放腕管松解术的极早期结局

该数据集来自 clinicaltrials.gov,聚焦 Carpal Tunnel Syndrome (CTS) 患者接受内镜与开放腕管松解术(CTR)后的极早期(术后 2 周内)结局比较。研究在术后第 3、7、14 天对患者进行电话随访,采集 Single Assessment Numeric Evaluation (SANE)、Patient Related Wrist and Hand Evaluation (PRWHE)、Visual Analog Scale (VAS) 疼痛评分及重返工作状态,用以观察两种术式之间是否存在差异。数据可用于术后早期恢复轨迹分析、疼痛与功能结局预测,以及不同手术方式的效果对比研究(来源 cl。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:Carpal Tunnel Syndrome (CTS)。本研究旨在考察内镜与开放腕管松解术(CTR)的极早期(术后 <2 周)结局。我们将在术后第 3、7 和 14 天致电患者,并在每个时间点收集 Single Assessment Numeric Evaluation (SANE)、Patient Related Wrist and Hand Evaluation (PRWHE)、Visual Analog Scale (VAS) 疼痛及重返工作状态,以观察两种术式之间是否存在任何差异。

【主题与分类】

主题标签:Carpal Tunnel Syndrome (CTS)。本站分类:消化系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07364604

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT07364604

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:腕管综合征(CTS)。本研究旨在探讨内镜下与开放式腕管松解术(CTR)术后极早期(术后<2周)的疗效。我们将在术后第3、7和14天致电患者,收集单次评估数值评价(SANE)、患者相关腕与手评价(PRWHE)、视觉模拟量表(VAS)疼痛评分及每个时间点的复工情况,以观察两种手术之间是否存在差异。

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。

获取专属数据定制方案