C-REX™器械行房角切开术治疗原发性开角型青光眼的真实世界证据研究
该数据集来自 clinicaltrials.gov，为一项多中心、观察性真实世界证据研究，纳入接受 C-REX™ 器械行 ab-interno 房角切开术的原发性开角型青光眼（POAG）成人患者
基本信息
资源简介
C-REX™器械行房角切开术治疗原发性开角型青光眼的真实世界证据研究
该数据集来自 clinicaltrials.gov，记录了一项关于原发性开角型青光眼（POAG）成人患者的多中心、观察性真实世界证据研究。研究对象为接受 C-REX™ 器械行 ab-interno 房角切开术的符合条件的成人患者。研究采集的数据覆盖手术前直接相邻的术前访视、手术过程本身以及术后随访至术后 12 个月。所采集的具体数据包括 C-REX™ 器械房角切开术的手术细节、术前与术后眼压（IOP）及降眼压药物使用情况，以及器械相关安全性事件。该数据集在分类上归属于眼及附器疾病下的青光眼类别，主题标签为原发性开角型青光眼（POAG），可为评估该术式在真实临床环境中的表现提供观察性证据。
【数据集背景】
原发性开角型青光眼（POAG）是青光眼的主要类型之一，本数据集所对应的研究聚焦于接受 C-REX™ 器械行 ab-interno 房角切开术的 POAG 成人患者。该研究设计为多中心、观察性真实世界证据研究，旨在反映该术式在常规临床实践中的实际应用情况，而非在严格控制条件的试验环境中评估。研究纳入对象为符合条件的成人 POAG 患者，且这些患者均已接受使用 C-REX™ 器械的 ab-interno 房角切开手术。数据集所属分类为眼及附器疾病 / 青光眼，来源站为 clinicaltrials.gov。
【数据内容】
数据采集范围涵盖术前、术中与术后三个环节：术前为直接先于手术的访视，术中为手术过程本身，术后随访持续至术后 12 个月。具体采集的数据包括 C-REX™ 器械房角切开术的手术细节、术前和术后的眼压（IOP）测量值、降眼压药物的使用情况，以及器械相关的安全性事件。上述内容构成了该数据集的核心变量范畴，围绕手术操作、眼压控制、用药与安全性四个维度展开。
【采集与来源】
该数据集来源于 clinicaltrials.gov，对应一项多中心、观察性真实世界证据研究。数据从术前访视、手术过程及术后随访中收集，随访时间窗为术后 12 个月。源站描述中未提供更多关于采集流程、数据管理或中心数量的细节。
【适用场景】
基于所采集的内容，该数据集可用于观察接受 C-REX™ 器械 ab-interno 房角切开术的 POAG 成人患者在真实世界环境中的眼压变化、降眼压药物使用情况以及器械相关安全性事件。其多中心、观察性设计使其适合反映常规临床实践中的术式表现。源站未提供其他具体适用场景的说明。
【使用方法】
源站未提供。
【质量与限制】
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/NCT06615661
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：原发性开角型青光眼（POAG）。这是一项多中心、观察性真实世界证据研究，研究对象为符合条件的原发性开角型青光眼（POAG）成人患者，这些患者接受了使用C-Rex器械进行的房角内小梁切开术。数据收集自紧接手术前的术前访视、手术过程以及术后随访至术后12个月。具体收集的数据包括C-Rex器械小梁切开术的手术细节、术前和术后眼压及降眼压药物的使用情况，以及器械相关安全性事件。
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。
