小黄斑裂孔免体位定位研究
该数据集来自 clinicaltrials.gov,聚焦黄斑裂孔(Macular Hole)手术治疗中的体位管理问题。研究背景认为,在裂孔尺寸≤400 µm 等特定条件下,患者若避免仰卧位,可能无需严格体位即可实现裂孔闭合

基本信息
资源简介
小黄斑裂孔免体位定位研究
该数据集来自 clinicaltrials.gov,聚焦黄斑裂孔(Macular Hole)手术治疗中的体位管理问题。研究背景认为,在裂孔尺寸≤400 µm 等特定条件下,患者若避免仰卧位,可能无需严格体位即可实现裂孔闭合。研究采用随机对照设计,主要目标是验证免体位组的成功率(以 OCT 确认的解剖闭合为定义)不低于严格体位组,即免严格体位对小型黄斑裂孔手术成功率具有“至少同样有效”的非劣效性。主要结局为解剖闭合定义的成功频率,次要目标围绕免体位技术的非劣效性展开。数据可用于黄斑裂孔术后体位策略与手术结局的相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:黄斑裂孔。研究理由:有理由认为,在某些条件下,即裂孔尺寸≤400 µm 且患者避免仰卧位时,无需严格体位即可实现黄斑裂孔闭合。为确认这些观察结果,需要开展一项纳入足够数量患者的随机研究。研究主要目的:证明免体位组的成功率(经 OCT 确认的解剖闭合)不低于对照组。检验假设:不采用严格体位对小型黄斑裂孔手术成功率的效应“至少同样有效”于实施严格体位。主要结局:以解剖闭合定义的成功频率。次要目标:通过以下方面证明免体位技术的非劣效性……
【主题与分类】
主题标签:Macular Hole。本站分类:眼及附器疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00190164
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/NCT00190164
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:黄斑裂孔。研究理由:有理由认为,在某些条件下,即裂孔大小≤400 µm,如果患者避免仰卧位,则无需严格体位即可实现黄斑裂孔的闭合。为了证实这些观察结果,有必要开展一项纳入足够数量患者的随机研究。研究主要目的:证明未行体位组中成功率(经OCT确认的解剖学闭合)不低于行体位组。待验证假设:对于小黄斑裂孔手术的成功,不采取严格体位“至少与”强制严格体位“同样有效”。主要结局:以解剖学闭合定义的成功频率。次要目标:通过以下变量证明不采取体位技术的非劣效性:- 术后第三个月的ETDRS视力。- 白内障进展。- 并发症的发生频率。研究设计:随机多中心研究,平行组,开放标签,对患者有个体获益。
受试者数量和研究持续时间:纳入68名患者,分为两个平行组,年龄超过18岁,存在≤400 µm的裂孔,随访3个月。研究预计总持续时间为27个月。数据分析:在本等效性临床试验中,非劣效界值设定为15%。次要标准将据此进行分析。预期结果:证明对于400 µm或以下的特发性黄斑裂孔,以简单的避免仰卧位的指导替代严格的体位要求(面朝下22小时/24小时)不会降低手术成功率,从而使患者免于治疗中这一痛苦环节,并缩短住院时间,进而降低治疗费用。
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。




