肛周脓肿抽吸治疗

该数据集来自 clinicaltrials.gov,主题为肛周脓肿的抽吸治疗,相关疾病为肛瘘。源站描述指出,肛周脓肿由隐腺多微生物感染引起,传统治疗为手术引流,术后复发率为6-44%,持续瘘管形成率高达37%;切开不充分、遗漏脓肿成分或瘘管均可导致复发

University of Southern DenmarkUniversity of Southern Denmark
clinicaltrials
浏览 15
其他Anal Fistulas
Aspiration Treatment of Perianal Abscess

基本信息

模态
其他
创建/更新时间
2026-10-08

资源简介

肛周脓肿抽吸治疗

该数据集来自 clinicaltrials.gov,主题为肛周脓肿的抽吸治疗,相关疾病为肛瘘。源站描述指出,肛周脓肿由隐腺多微生物感染引起,传统治疗为手术引流,术后复发率为6-44%,持续瘘管形成率高达37%;切开不充分、遗漏脓肿成分或瘘管均可导致复发。手术引流存在伤口愈合时间长、影响日常活动、瘢痕复杂及大便失禁风险。在抗生素覆盖下进行脓液抽吸的微创方法在复发率和瘘管形成方面已被证明安全,患者耐受性好,并发症和伤口问题更少,大便失禁风险可能更低(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:肛瘘。肛周脓肿是一种常见疾病,由隐腺多微生物感染引起,传统治疗为手术引流。肛周脓肿手术引流后的复发率在6-44%之间,后续持续瘘管形成率高达37%。切开不充分、遗漏脓肿成分或瘘管可能是复发的原因。手术引流与伤口愈合时间延长带来的不适有关,影响日常活动,并存在瘢痕复杂和大便失禁的潜在风险。在抗生素覆盖下进行脓液抽吸的微创方法已被证明在复发率和后续瘘管形成方面是安全的,患者耐受性良好,并发症和伤口问题更少,大便失禁风险可能更低。然而,这已被证明

【主题与分类】

主题标签:Anal Fistulas。本站分类:内分泌、营养和代谢疾病/糖尿病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT02585141

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/NCT02585141

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:肛瘘。肛周脓肿是一种常见疾病,由隐窝腺体多微生物感染引起,传统治疗方法是手术引流。肛周脓肿手术引流后的复发率在6-44%之间,后续持续性肛瘘的发生率高达37%。切口不充分、遗漏脓肿部分或瘘管可能是复发的原因。手术引流与伤口愈合时间延长带来的不适相关,影响日常活动,并存在复杂瘢痕和粪便失禁的潜在风险。在抗生素覆盖下进行脓液抽吸的微创方法已被证明在复发率和后续瘘管形成方面是安全的,且患者耐受性良好,发病率及伤口并发症较少,粪便失禁的风险可能更低。然而,这仅在少数小样本研究中得到证实,据我们所知,尚未进行或发表比较这两种方法的随机对照研究。

复发及后续瘘管形成的危险因素尚不完全明确,但年龄低于40岁、无糖尿病以及近期吸烟已被证明是发生复发性脓肿和瘘管的危险因素。采用抽吸和抗生素方法治疗肛周脓肿对社会可能具有优势,因为其恢复期更短、能更快恢复日常活动和工作,并可避免伤口愈合问题和括约肌损伤,从而降低费用。本研究的结果有潜力揭示肛周脓肿后发生瘘管的危险因素。

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