压力性损伤发展设备相关
本数据集来自 clinicaltrials.gov,主题为压力性损伤发展设备相关,属于内分泌、营养和代谢疾病/糖尿病分类

基本信息
资源简介
压力性损伤发展设备相关
本数据集来自 clinicaltrials.gov,主题为压力性损伤发展设备相关,属于内分泌、营养和代谢疾病/糖尿病分类。源站描述显示,这是一项回顾性队列研究,旨在评估与间歇充气加压(IPC)设备使用相关的压力性损伤发生情况,并识别与损伤发展相关的患者及治疗因素。研究对象为研究期间接受 IPC 治疗的外科病房和/或重症监护病房成年住院患者。数据从电子健康记录中提取,涵盖人口学特征、合并症(如糖尿病、外周血管疾病)、临床状态(包括血流动力学支持和活动能力)以及 IPC 使用的详细信息(如使用时长、设备应用记录和皮肤评估)。主要结局为设备相关压力性损伤的发生(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Pressure Ulcer, Pressure Ulcer Prevention, Venous Thrombosis Deep (Limbs)。本回顾性队列研究旨在评估与 IPC 设备使用相关的压力性损伤发生情况,并识别与损伤发展相关的患者及治疗因素。研究将纳入研究期间接受 IPC 治疗的外科病房和/或重症监护病房成年住院患者。数据将从电子健康记录中提取,包括人口学特征、合并症(如糖尿病、外周血管疾病)、临床状态(包括血流动力学支持和活动能力),以及 IPC 使用的详细信息,如使用时长和设备应用及皮肤评估的记录。主要结局是设备相关压力性损伤的发生,其定义依据
【主题与分类】
主题标签:Pressure Ulcer、Pressure Ulcer Prevention、Venous Thrombosis Deep (Limbs)。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/NCT07586748
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/NCT07586748
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:压力性溃疡、压力性溃疡预防、深静脉血栓(四肢)。本回顾性队列研究旨在评估与间歇充气加压装置使用相关的压力性溃疡发生情况,并识别与溃疡发生相关的患者及治疗因素。研究将纳入研究期间在外科病房和/或重症监护室住院并接受间歇充气加压治疗的成年患者。数据将从电子健康记录中提取,包括人口统计学特征、合并症(如糖尿病、外周血管疾病)、临床状态(包括血流动力学支持和活动能力),以及有关间歇充气加压装置使用的详细信息,如使用时长、装置应用记录和皮肤评估。主要结局为装置相关压力性溃疡的发生,依据NPUAP分期系统定义,且局限于与间歇充气加压腿套接触的解剖区域。次要分析将评估间歇充气加压暴露时长、患者危险因素与溃疡严重程度之间的关联。
统计分析将包括描述性统计和多变量逻辑回归,以确定压力性溃疡发生的独立预测因素,并针对临床相关混杂因素进行调整。本研究还旨在探索间歇性充气加压(IPC)暴露时长与损伤风险之间潜在的剂量-反应关系。通过增进对IPC相关压力性溃疡的理解,本研究旨在为更安全的血栓预防实践提供依据,并支持制定监测方案,以在保留机械性静脉血栓栓塞预防益处的同时,减少可预防的伤害。
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。




