成人困难插管评估新方法

该数据集来自 clinicaltrials.gov,聚焦成人困难气道插管评估。源站描述指出,气道评估常用 LEMON 评分,其涵盖肥胖、头颈活动度、下颌活动度、下颌后缩、上颌长切牙、Mallampatti 评分、上颌切牙特征、张口受限、颏甲距离缩短及短颈等因素

Sohag UniversitySohag University
clinicaltrials
浏览 12
其他预测Difficult Airway Intubation
New Method for Evaluation of Difficult Intubation in Adults

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-08

资源简介

成人困难插管评估新方法

该数据集来自 clinicaltrials.gov,聚焦成人困难气道插管评估。源站描述指出,气道评估常用 LEMON 评分,其涵盖肥胖、头颈活动度、下颌活动度、下颌后缩、上颌长切牙、Mallampatti 评分、上颌切牙特征、张口受限、颏甲距离缩短及短颈等因素。身高与颏甲距离比值(H/TMD)因将下颌间隙按身高标准化,被视为简单、客观、可重复的困难喉镜预测指标。该数据可用于研究困难插管预测因素及评估方法(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):病症:困难气道插管。用于气道评估的评分有多种,最常见的是 LEMON 评分。LEMON 是一种气道评估评分,用于测量与困难插管相关的因素,如肥胖、头颈部活动度、下颌活动度、下颌后缩、上颌长切牙、Mallampatti 评分、上颌切牙特征、张口受限、颏甲距离缩短和短颈。身高与颏甲距离比值(H/TMD)已成为一种简单、客观且可重复的困难喉镜解剖学预测指标,因为它将下颌间隙按患者身高进行标准化。然而,气道困难并非纯粹是解剖学问题;气道阻塞和颈椎活动度等功能因素会显著影响插管成功。因此,将 H/TMD 与来自 LE

【主题与分类】

主题标签:Difficult Airway Intubation。本站分类:内分泌、营养和代谢疾病/肥胖症。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07461792

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/NCT07461792

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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:困难气道插管。用于气道评估的评分有多种,最常见的是LEMON评分。LEMON是一种气道评估评分,用于衡量与困难插管相关的因素,如肥胖、头颈部活动度、下颌活动度、下颌后缩、上颌长切牙、Mallampatti评分、上颌切牙特征、张口受限、颏甲距离缩短和短颈。身高与颏甲距离比值(H/TMD)已成为一种简单、客观且可重复的困难喉镜显露解剖预测指标,因为它将下颌间隙与患者身高进行了标准化。然而,气道困难并非纯粹是解剖性的;气道阻塞和颈椎活动度等功能因素也会显著影响插管成功率。因此,将H/TMD与LEMON评分中两个高度预测性的功能要素——阻塞(O)和颈部活动度(N)——相结合,可能提供一种更准确、简化且临床适用的困难气道预测模型。这种组合被称为HON模型(身高/TMD + 阻塞 + 颈部活动度)。

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。

获取专属数据定制方案