清醒光纤插管与喉神经阻滞
该数据集来自 clinicaltrials.gov,主题为清醒光纤插管(AFOI)与喉神经阻滞,针对麻醉气道并发症患者。研究将患者随机分为两组:A 组接受瑞芬太尼持续输注、舌根表面麻醉、环甲膜阻滞及 SLNB;B 组接受瑞芬太尼持续输注、舌根表面麻醉及环甲膜阻滞

基本信息
资源简介
清醒光纤插管与喉神经阻滞
该数据集来自 clinicaltrials.gov,主题为清醒光纤插管(AFOI)与喉神经阻滞,针对麻醉气道并发症患者。研究将患者随机分为两组:A 组接受瑞芬太尼持续输注、舌根表面麻醉、环甲膜阻滞及 SLNB;B 组接受瑞芬太尼持续输注、舌根表面麻醉及环甲膜阻滞。在首次生命体征测量(T0)后,以 0.05 至 0.15 mcg/kg/min 速率持续静脉输注瑞芬太尼,滴定至 RASS 量表 0/-1 级清醒镇静。两组均以 10 喷 10% 利多卡因喷雾对口咽黏膜、舌后部及腭咽弓、腭舌弓根部行表面麻醉。数据可用于气道管理麻醉方案比较与镇静深度相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:麻醉气道并发症。患者将被随机分为两组:A 组:接受瑞芬太尼持续输注、舌根表面麻醉、环甲膜阻滞和 SLNB;B 组:接受瑞芬太尼持续输注、舌根表面麻醉和环甲膜阻滞。在首次生命体征参数测量(T0)后,患者将接受瑞芬太尼持续静脉输注,速率范围为 0.05 至 0.15 mcg/kg/min,通过滴定达到相当于 RASS 量表 0/-1 级的清醒镇静平面。两组所有患者均将通过 10 喷 10% 利多卡因喷雾在舌后部以及腭咽弓和腭舌弓根部对口咽黏膜进行表面麻醉。在 A 组中,SLNB 将通过给予
【主题与分类】
主题标签:Airway Complication of Anesthesia。本站分类:内分泌、营养和代谢疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03586323
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/NCT03586323
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:麻醉气道并发症。患者将随机分为两组:A组:接受瑞芬太尼持续输注、舌根表面麻醉、环甲膜间阻滞及SLNB;B组:接受瑞芬太尼持续输注、舌根表面麻醉及环甲膜间阻滞。在首次测量生命体征参数(T0)后,患者将接受瑞芬太尼持续静脉输注,速率范围为0.05至0.15 mcg/kg/min,通过滴定达到与RASS量表0/-1阶段相对应的清醒镇静平面。两组所有患者均将通过10%利多卡因喷雾在舌后部及腭咽弓和腭舌弓基底部进行10次喷洒,实施口咽黏膜表面麻醉。在A组中,SLNB将通过给予1.5%利多卡因4 ml于甲状腺膜下方进行,该处需触诊,此外还进行经喉穿刺的环甲膜间阻滞并给予1.5%利多卡因4 ml。在B组中,环甲膜间阻滞将通过经喉穿刺及1.5%利多卡因4 ml进行。
B组将接受安慰剂而非区域阻滞。区域麻醉后,患者将被置于手术台上,头部保持中立位。将记录生命体征参数和达到的镇静水平(T1)。如果SpO2低于96%,患者将以FiO2 100%进行预给氧。AFOI操作将使用4 mm Olympus LF-2支气管镜进行,并使用螺旋气管导管(内径在5-6 mm之间)。AFOI过程中的不适将通过纤维光学插管舒适度评分进行评估。在AFOI操作过程中,将评估非结构化气道操作(颈部过度后仰、下颌半脱位和手动牵拉舌头)。将记录低氧血症、分泌物误吸和插管操作时间。插管后,将进行生命体征参数的新评估
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。




