完成CREST研究的患者术后5年结局
该数据集来自clinicaltrials.gov，聚焦完成CREST研究的开角型青光眼（OAG）患者，是一项多中心、前瞻性、观察性研究，收集患者接受CycloPen System手术后60个月内每年眼科检查的临床数据，用于分析长期结局
基本信息
资源简介
完成CREST研究的患者术后5年结局
该数据集英文名为“5-Year Postoperative Outcomes of Patients Who Completed the CREST Study”，来源于clinicaltrials.gov，聚焦眼及附器疾病中的青光眼领域，主题标签为开角型青光眼（OAG）。其核心内容是针对已完成CREST研究的合格参与者开展的多中心、前瞻性、观察性随访研究，收集参与者同意后自接受CycloPen System手术起60个月内每年眼科检查的临床数据，用于分析长期结局。由于属于观察性研究，各次访视的检查均按研究者的标准诊疗规范执行。该数据集为理解开角型青光眼患者术后五年期的长期转归提供了观察性数据基础。
【数据集背景】
该数据集所对应的研究围绕开角型青光眼（OAG）这一疾病领域展开。研究纳入的对象是已完成CREST研究的合格参与者，在其完成CREST研究之后继续开展随访观察。研究设计为多中心、前瞻性、观察性研究，目的在于追踪参与者接受CycloPen System手术后的长期结局。与干预性试验不同，观察性设计意味着研究不改变常规诊疗路径，而是依托研究者标准诊疗下开展的检查来积累随访信息。这一背景决定了该数据集的核心价值在于反映真实诊疗条件下手术后的远期表现。
【数据内容】
数据集收录的是参与者在同意参加后，自CycloPen System手术后直至60个月期间每年眼科检查所采集的临床数据。随访时间跨度覆盖术后60个月，数据以年度眼科检查为采集节点，形成纵向的随访记录。数据内容服务于长期结局分析这一目标。关于具体的检查项目、变量字段、测量指标及其编码方式，源站未提供。
【采集与来源】
数据来源站为clinicaltrials.gov。采集方式为多中心、前瞻性、观察性随访：符合条件的参与者在完成CREST研究后，经同意进入本项观察性研究，随后在每年一次的眼科检查中由研究者按标准诊疗规范采集临床数据，随访持续至术后60个月。研究涉及多个中心，采用前瞻性方式按时间顺序积累数据。关于各中心的具体数量与分布、数据采集的具体流程与工具，源站未提供。
【适用场景】
基于其主题与设计，该数据集适用于开角型青光眼患者接受CycloPen System手术后长期结局的观察性分析，可用于考察术后60个月内年度眼科检查所反映的远期转归。其多中心、前瞻性、观察性的特征，使其适合用于真实诊疗条件下长期随访数据的描述与分析。关于具体的适用分析方法与应用案例，源站未提供。
【使用方法】
源站未提供。
【质量与限制】
该研究为观察性设计，各次访视的检查按研究者标准诊疗规范执行，而非按统一的研究干预方案实施，这是理解数据性质时需要考虑的设计特征。研究对象限定为已完成CREST研究并同意参与的合格参与者，随访期限为术后60个月。关于样本量、缺失数据情况、偏倚控制措施及数据质量控制流程，源站未提供。
【引用与许可】
源站未提供。
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/NCT07480343
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：开角型青光眼（OAG）。这是一项多中心、前瞻性、观察性研究，随访已完成CREST研究的合格参与者。同意参与的参与者将收集CycloPen系统手术后至60个月期间的年度眼科检查临床数据，用于分析长期结局。作为一项观察性研究，每次访视时的检查均按照研究者的标准诊疗规范进行。
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。
