Name: 评估Surgenex® PelloGraft治疗DFU与SanoGraft®治疗VLU对比SOC的完全伤口愈合研究
Creator: Surgenex

基本信息

模态

其他

任务类型

分类

创建/更新时间

2026-10-17

资源简介

评估Surgenex® PelloGraft治疗DFU与SanoGraft®治疗VLU对比SOC的完全伤口愈合研究

该数据集来自clinicaltrials.gov，聚焦糖尿病足溃疡（DFU）与静脉性腿部溃疡（VLU）的伤口愈合研究。研究比较PelloGraft与标准治疗（SOC）在治疗DFU中的效果，以及SanoGraft与SOC在治疗VLU中的效果，评估指标包括伤口上皮化时间、伤口面积缩小及研究产品应用总次数等愈合结局。数据可用于分析不同治疗方案的愈合差异，并为CMS及其他支付方制定覆盖政策与报销决策提供依据（来源 clinicaltrials.gov）。

【数据内容】

源站描述（机器翻译，仅供参考）：病症：糖尿病足溃疡、静脉性腿部溃疡。本研究旨在比较Pellograft与标准治疗方式在治疗人类受试者糖尿病足溃疡方面的效果，并比较Sanograft与标准治疗在治疗静脉性腿部溃疡方面的效果。该研究将展示与对照相比的伤口愈合结局，包括伤口上皮化时间、伤口面积缩小以及为达到愈合结局所使用研究产品的总应用次数。该信息对Centers for Medicare and Medicaid Services (CMS)及其他支付方在确定该产品类别的覆盖政策与报销时非常重要。

【主题与分类】

主题标签：Diabetic Foot Ulcer、Venous Leg Ulcer。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/NCT06515093

原始链接

https://clinicaltrials.gov/study/NCT06515093

访问原始数据

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/NCT06515093

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。

数据说明

条件：糖尿病足溃疡、静脉性腿部溃疡。本研究旨在比较Pellograft与标准护理方法在治疗人类受试者糖尿病足溃疡中的效果，并比较Sanograft与标准护理在治疗静脉性腿部溃疡中的效果。研究将展示与对照相比的伤口愈合结果，包括伤口上皮化时间、伤口面积减小以及为达到愈合结果所使用的研究产品总应用次数。这些信息对于美国医疗保险和医疗补助服务中心（CMS）及其他支付方在确定该类产品的覆盖政策和报销时至关重要。

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