腕管松解术疗效试验
数据覆盖腕管综合征(CTS)与腕管手术相关人群,背景涉及糖尿病、肥胖及体力负荷等关联因素,并关注夹板固定、皮质类固醇注射等非手术治疗与手术干预的对比

基本信息
资源简介
腕管松解术疗效试验
本数据集来自 clinicaltrials.gov,英文名为 Carpal Tunnel Release Efficacy Trial,主题为腕管松解术的疗效试验。数据覆盖腕管综合征(CTS)与腕管手术相关人群,背景涉及糖尿病、肥胖及体力负荷等关联因素,并关注夹板固定、皮质类固醇注射等非手术治疗与手术干预的对比。该数据可用于分析腕管松解术的疗效与风险,支持围绕随机对照试验设计、手术结局预测及合并代谢因素影响的研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:腕管综合征(CTS)、腕管手术。背景:腕管综合征(CTS)是一种常见疾病,影响 2.7% 的人口,尤其是女性。它由腕部正中神经受压引起,并与糖尿病、肥胖和体力负荷等因素有关。夹板固定和皮质类固醇注射等非手术治疗通常是轻至中度 CTS 的首选方法,但长期结果不一。手术干预,即腕管松解术(CTR),经常是必要的,成功率为 75-88%。CTR 是一种安全的手术,但与任何手术一样,它也存在风险,包括瘢痕形成和神经损伤。理由:尽管 CTR 手术被广泛使用,但其有效性尚未通过随机对照试验(RCT)与安慰剂进行严格测试。这在理解 wh 方面留下了关键空白
【主题与分类】
主题标签:Carpal Tunnel Syndrome (CTS)、Carpal Tunnel Surgery。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/NCT06934187
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/NCT06934187
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:腕管综合征(CTS)、腕管手术。背景 腕管综合征(CTS)是一种常见病,影响2.7%的人口,尤其是女性。它源于腕部正中神经受压,与糖尿病、肥胖和体力劳动等因素有关。对于轻至中度CTS,非手术治疗如夹板固定和皮质类固醇注射常为首选方法,但长期效果参差不齐。手术干预,即腕管松解术(CTR),往往是必要的,成功率高达75-88%。CTR是一种安全的手术,但与任何手术一样,它也存在风险,包括疤痕形成和神经损伤。理由 尽管CTR手术广泛应用,其有效性尚未通过随机对照试验(RCT)与安慰剂进行严格验证。这在理解观察到的改善是源于手术还是CTS的自然病程(有时可自行缓解)方面留下了关键空白。以往手部手术的RCT面临方法学问题,强调了需要高质量研究来验证CTR手术的益处。
目标 FOCUS(腕管松解术疗效)试验旨在为腕管松解术(CTR)相较于安慰剂手术的有效性提供有力证据。该试验的无效假设和备择假设如下:* 无效假设:CTR的治疗效果不优于安慰剂手术。* 备择假设:CTR的治疗效果优于安慰剂手术。试验设计:这项多国、三盲随机对照试验(RCT)包括两组:一组接受CTR,另一组接受安慰剂手术。额外的观察性队列将增强该试验的普遍适用性。招募从芬兰开始,并计划扩展至丹麦、中国和澳大利亚。所有手术将由经验丰富的手外科医生实施,且研究遵循严格的国际指南(SPIRIT)。方法:符合条件的参与者经过筛选后,按1:1的比例随机分配接受CTR或安慰剂手术。在C
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。




