CycloPen微介入系统研究及长期临床结局
该数据集来自clinicaltrials.gov，为多中心观察性登记研究，连续纳入接受CycloPen微介入系统降眼压手术的开角型青光眼成年患者
基本信息
资源简介
CycloPen微介入系统研究及长期临床结局
该数据集英文名为 Study of the CycloPen Micro-Interventional System and Long-Term Clinical Outcomes，来源于 clinicaltrials.gov，在本站归入眼及附器疾病 / 青光眼分类，主题标签为 Open Angle Glaucoma。它是一项多中心、观察性登记研究的数据集，连续纳入接受 CycloPen 微介入系统降眼压手术的开角型青光眼成年患者。数据覆盖术前访视、手术过程以及术后随访至使用 CycloPen 系统后 24 个月，采集内容包括 CycloPen 手术操作细节、眼压、降眼压药物使用情况以及任何与手术相关的副作用。该数据集可用于了解该微介入系统在真实临床登记环境中的长期临床结局相关信息。
【数据集背景】
该数据集对应的研究聚焦开角型青光眼（Open Angle Glaucoma）患者群体。研究采用多中心、观察性登记的设计，连续纳入符合条件的成年患者，这些患者均接受了使用 CycloPen 微介入系统的降眼压手术。研究的关注点在于该微介入系统及相关手术在长期随访中的临床结局，随访时间窗为使用 CycloPen 系统后 24 个月。数据集在本站被归类于眼及附器疾病下的青光眼类别，主题标签为 Open Angle Glaucoma。
【数据内容】
采集的数据涵盖三个时间阶段：手术直接之前的术前访视、手术过程本身，以及术后随访至 24 个月。具体数据项包括 CycloPen 手术操作的细节、眼压（IOP）、眼部降眼压药物的使用情况，以及与手术相关的任何副作用。源站描述中未提供更细化的字段清单、变量类型或数据表结构。
【采集与来源】
数据来源站为 clinicaltrials.gov。研究为多中心、观察性登记研究，采用连续纳入的方式招募符合条件的开角型青光眼成年患者。数据从术前访视、手术过程和术后随访中收集，随访持续至 CycloPen 系统使用后 24 个月。源站未提供具体的中心数量、地理范围或招募时间等信息。
【适用场景】
基于现有信息，该数据集适用于与开角型青光眼降眼压手术相关的观察性研究场景，例如了解 CycloPen 微介入系统手术的操作特征、术后眼压变化、降眼压药物使用以及手术相关副作用等长期临床结局。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、访问方式或分析指南。
【质量与限制】
该数据集为观察性登记研究数据，非随机对照试验设计。源站未提供样本量、数据完整性、缺失情况、质量控制措施或已知偏倚等信息。随访时间窗为术后 24 个月，超出该时间范围的数据不在采集范围内。
【引用与许可】
源站未提供引用格式或许可条款信息。
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/NCT05506423
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。这是一项多中心、观察性登记研究，连续纳入符合条件的开角型青光眼（OAG）成人患者，这些患者接受了使用CycloPen微介入系统降低眼压的手术。数据将从直接先于手术的术前访视、手术过程以及使用CycloPen系统后直至24个月的术后访视中收集。具体收集的数据包括CycloPen手术的详细信息、眼压、降眼压药物的使用情况以及与手术相关的任何副作用。
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。
