1500例患者实施日间眼压曲线的临床结局——队列研究
条件：呈现日间眼压监测的临床结局并确定其在我们临床实践中的价值。我们回顾了1500例患者的记录，这些患者在近12年间因日间曲线而入院
基本信息
资源简介
1500例患者实施日间眼压曲线的临床结局——队列研究
该数据集围绕日间眼压曲线在临床实践中的应用价值展开，记录了1500例患者在近12年间的日间眼压监测临床结局。患者均因常规工作时间内的检查被认为不足以支持决策而入院接受日间曲线监测。数据集呈现了监测后治疗决策的实际变化，包括治疗调整、介入治疗安排、过度诊断与过度治疗的识别、依从性问题的发现以及非工作时间眼压峰值出现的情况，属于眼病／青光眼方向、来源于临床试验注册平台的队列研究资料。
【数据集背景】
在青光眼等眼病的临床管理中，眼压是核心监测指标之一。常规门诊检查通常局限于工作时间内，可能无法完整反映患者全天眼压波动情况。该数据集所对应的研究即针对这一临床痛点，旨在呈现日间眼压监测的临床结局，并确定其在实际临床实践中的价值。研究对象为因工作时间内的检查被认为不充分、不足以支持临床决策而入院接受日间曲线监测的患者，累计1500例，时间跨度近12年，构成一项队列研究。
【数据内容】
数据集记录的核心内容为日间眼压监测后的临床结局。根据源站描述，在1500例患者中，744例需要改变治疗方案；121例被安排接受介入治疗，包括激光或手术治疗；68例被判定为过度诊断和过度治疗而降级处理；250例发现了隐藏的依从性问题；720例的眼压峰值出现在工作时间之外。这些结局从治疗决策调整、干预需求、诊断准确性、用药依从性和眼压峰值时相分布等多个维度，刻画了日间眼压曲线监测对临床实践的直接影响。
【采集与来源】
数据来源于临床试验注册平台clinicaltrials.gov。研究采用回顾性方式，对近12年间因日间曲线监测而入院的1500例患者记录进行审查。纳入对象均为工作时间内的检查被认为不充分且无法得出结论、因而需要进一步监测以支持决策的患者。源站未提供具体的采集设备、测量流程、时间间隔及数据字段结构等信息。
【适用场景】
该数据集适用于青光眼及相关眼病领域的临床研究与质量改进场景，例如评估日间眼压监测在治疗决策中的实际作用、分析非工作时间眼压峰值对疾病管理的意义、识别过度诊断与过度治疗风险、以及研究患者依从性问题对眼压评估的影响。也可为临床实践中是否需要开展日间眼压曲线监测提供结局层面的参考。源站未提供其他具体适用场景的说明。
【使用方法】
源站未提供该数据集的具体使用方法、数据访问方式、文件格式或分析指引。使用者需依据来源平台的公开信息自行判断获取与使用条件。
【质量与限制】
该研究为单中心回顾性队列，样本量1500例、时间跨度近12年，具有一定的实践代表性。但源站未提供数据质量控制措施、缺失值处理、偏倚评估及统计方法等细节。此外，研究对象的纳入基于工作时间检查不充分这一条件，可能影响结果向一般人群的外推。源站未提供其他质量与限制方面的说明。
【引用与许可】
源站未提供引用格式与许可条款信息。使用时应遵循来源平台clinicaltrials.gov的相关规定。
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/NCT05400759
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：呈现日间眼压监测的临床结果，并确定其在我们临床实践中的价值。我们回顾了1500名患者的记录，这些患者在近12年间因日间曲线而入院。所有患者均因工作时间内的检查被认为不足以作出决策而住院。744名患者需要改变治疗方案。121名患者被安排接受介入治疗（激光或手术）。68名患者被降级，属于过度诊断和过度治疗。250名患者发现了隐藏的依从性问题。720名患者的眼压峰值出现在工作时间之外。
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。
