腹壁切口疝修补术患者预防性负压伤口治疗
该数据集来自 clinicaltrials.gov,聚焦接受腹壁切口疝修补术患者的预防性负压伤口治疗。覆盖切口疝、手术伤口感染、手术部位感染与生活质量等主题,涉及合并糖尿病、肥胖及吸烟史等高危人群的伤口并发症风险

基本信息
资源简介
腹壁切口疝修补术患者预防性负压伤口治疗
该数据集来自 clinicaltrials.gov,聚焦接受腹壁切口疝修补术患者的预防性负压伤口治疗。覆盖切口疝、手术伤口感染、手术部位感染与生活质量等主题,涉及合并糖尿病、肥胖及吸烟史等高危人群的伤口并发症风险。数据可用于分析术后伤口并发症相关因素、评估预防性负压伤口治疗的应用价值,并支持伤口并发症风险预测与生活质量相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:切口疝、手术伤口感染、手术部位感染、生活质量。近年来,负压伤口治疗(NPWT)已被用于骨科和血管外科复杂伤口的治疗,而腹部手术后的切口尚未在同等程度上接受预防性负压伤口治疗。接受切口疝修补术的患者按定义已存在伤口愈合不充分(即疝),且常合并糖尿病、肥胖和吸烟史等疾病,使其处于发生伤口并发症的高风险中。尽管已努力降低这一风险,但在一些系列中发生率仍高达50%。伤口并发症在接受切口疝修补术的患者中尤其令人担忧,因为会放置异物(合成聚丙烯补片)
【主题与分类】
主题标签:Incisional Hernia、Surgical Wound Infection、Surgical Site Infection、Quality of Life。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/NCT05050786
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/NCT05050786
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
条件:切口疝、手术伤口感染、手术部位感染、生活质量。近年来,负压伤口治疗(NPWT)已被用于骨科和血管外科中复杂伤口的治疗,而腹部手术后的切口在预防性负压伤口治疗方面尚未得到同等程度的应 用。接受切口疝修补术的患者按定义已存在伤口愈合不足(即疝),且常伴有糖尿病、肥胖和吸烟史等合并症,使其发生伤口并发症的风险较高。尽管已努力降低这一风险,但在某些系列研究中发生率仍高达50%。伤口并发症在接受切口疝修补术的患者中尤其令人担忧,因为手术过程中会在腹壁放置异物(合成聚丙烯补片)。
伤口并发症与疝复发风险增加直接相关,而疝复发会降低患者生活质量,并带来严重的社会经济负担,包括住院时间延长、再次手术、再入院及死亡率增加的风险更高(2)。本试验旨在比较预防性NPWT与标准护理(即手术敷料)对开放式切口疝修补术后伤口并发症的影响。我们的假设是,NPWT可显著降低疾病控制中心定义的手术部位感染(SSI)发生率。由于丹麦Bispebjerg医院是复杂疝的区域中心,因此该机构是少数能够开展纳入110例开放式切口疝修补术患者的随机试验的场所之一。迄今为止,仅发表了五项关于预防性NPWT用于闭合腹部切口的随机对照试验。在这些试验最新的一项荟萃分析中,接受NPWT治疗的患者伤口并发症风险并未降低,然而结果似乎确实易受II类错误影响(相对
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。




