评估负压治疗减少血管腹股沟切口并发症的随机临床试验

该数据集来自 clinicaltrials.gov,是一项随机临床试验,研究对象为根据特定风险因素被判定为伤口并发症高风险的血管腹股沟切口患者

Thomas Jefferson UniversityThomas Jefferson University
clinicaltrials
浏览 6
其他预测Wound InfectionPeripheral Arterial DiseaseAneurysmSurgical Wound Dehiscence
A Randomized Clinical Trial Evaluating Negative Pressure Therapy to Decrease Vascular Groin Incision Complications

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-19

资源简介

评估负压治疗减少血管腹股沟切口并发症的随机临床试验

该数据集来自 clinicaltrials.gov,是一项随机临床试验,研究对象为根据特定风险因素被判定为伤口并发症高风险的血管腹股沟切口患者。患者按1:1随机分配至标准术后敷料组或Prevena真空敷料组,术后30天内评估伤口裂开、感染和淋巴漏等并发症;非高风险患者接受标准术后敷料并作为对照随访。研究还评估负压敷料对住院时长和总体住院费用的经济影响。数据可用于分析术后伤口并发症风险及负压治疗的经济效果(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:伤口感染、外周动脉疾病、动脉瘤、手术伤口裂开。该研究将根据一组特定的伤口并发症危险因素被认定为高风险的患者(1:1)随机分配至标准术后敷料组与Prevena负压敷料组。随后将在术后30天内评估伤口并发症。伤口并发症包括伤口破溃、感染和淋巴漏。未被认定为高风险的患者将接受标准术后敷料,并像对照组一样进行随访。研究者还将评估负压敷料对住院时间和总体住院费用的经济影响。

【主题与分类】

主题标签:Wound Infection、Peripheral Arterial Disease、Aneurysm、Surgical Wound Dehiscence。本站分类:感染性疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT02581904

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://clinicaltrials.gov/study/NCT02581904

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:伤口感染、外周动脉疾病、动脉瘤、手术伤口裂开。该研究将根据一组特定的伤口并发症危险因素被认定为高风险的患者(1:1)随机分配至标准术后敷料组与Prevena负压敷料组。随后将在术后30天内评估伤口并发症。伤口并发症包括伤口破溃、感染和淋巴漏。未被认定为高风险的患者将接受标准术后敷料,并像对照组一样进行随访。研究者还将评估负压敷料对住院时间和总体住院费用的经济影响。

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。

需要用于商业化训练或医疗器械注册(NMPA/FDA)?

公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。