Sevoflurane与Propofol麻醉用于肥胖患者腰椎手术的比较
该数据集源自clinicaltrials.gov,聚焦肥胖合并超重患者接受腰椎内固定手术的麻醉比较研究。研究为前瞻性、随机、单中心、单盲临床试验,计划纳入70例年龄18-65岁、BMI在30至34之间的患者,比较Sevoflurane吸入麻醉与Propofol全静脉麻醉对围手术期炎症生物标志物的影响

基本信息
资源简介
Sevoflurane与Propofol麻醉用于肥胖患者腰椎手术的比较
该数据集源自clinicaltrials.gov,聚焦肥胖合并超重患者接受腰椎内固定手术的麻醉比较研究。研究为前瞻性、随机、单中心、单盲临床试验,计划纳入70例年龄18-65岁、BMI在30至34之间的患者,比较Sevoflurane吸入麻醉与Propofol全静脉麻醉对围手术期炎症生物标志物的影响。数据可用于分析不同麻醉技术对肥胖患者围手术期炎症与免疫通路的调节作用,支持围手术期结局预测与麻醉方案优化研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:肥胖与超重、腰椎手术。肥胖与慢性低度炎症和免疫反应改变相关,这可能影响围手术期结局。不同的麻醉技术可能在围手术期调节炎症和免疫通路。然而,吸入麻醉与静脉麻醉技术在接受腰椎内固定手术的肥胖患者中的免疫调节作用比较仍研究不足。这项前瞻性、随机、单中心、单盲临床试验旨在评估以Sevoflurane为基础的吸入麻醉和以Propofol为基础的全静脉麻醉对接受择期腰椎内固定手术的肥胖患者围手术期炎症生物标志物的影响。共70名年龄18-65岁、体重指数在30至34之间的患者
【主题与分类】
主题标签:Obesity & Overweight、Lumbar Spine Surgery。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/NCT07611240
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/NCT07611240
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:肥胖与超重、腰椎手术。肥胖与慢性低度炎症及免疫反应改变相关,这可能影响围手术期结局。不同的麻醉技术可能在围手术期调节炎症和免疫通路。然而,在肥胖患者接受腰椎内固定手术中,吸入麻醉与静脉麻醉技术的免疫调节作用比较研究仍不充分。本前瞻性、随机、单中心、单盲临床试验旨在评估七氟烷吸入麻醉与丙泊酚全静脉麻醉对肥胖患者择期腰椎内固定手术围手术期炎症生物标志物的影响。共70例年龄18-65岁、体重指数在30至34.9 kg/m²之间的患者将被纳入,并按1:1比例随机分为两个研究组。两组均采用丙泊酚、瑞芬太尼和罗库溴铵进行标准化麻醉诱导。
维持麻醉将在BIS监测下,采用七氟烷吸入或丙泊酚输注联合瑞芬太尼输注进行。血液样本将在三个不同时间点采集:术前、术后第6小时和术后第24小时。将评估正五聚蛋白-3和血清淀粉样蛋白A水平作为主要炎症生物标志物。次要实验室参数将包括IL-6、TNF-α、CRP、血糖和全血细胞计数数值。本研究的结果可能有助于理解常用麻醉技术的免疫调节作用,并可能有助于优化接受脊柱手术的肥胖患者的围手术期麻醉管理。
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。




