肌内效贴与低强度激光治疗增生性瘢痕的比较研究
该数据集来自 clinicaltrials.gov,主题为肌内效贴(KT)与低强度激光治疗(LLLT)及其联合方案对烧伤后增生性瘢痕柔韧性和疼痛的影响

基本信息
资源简介
肌内效贴与低强度激光治疗增生性瘢痕的比较研究
该数据集来自 clinicaltrials.gov,主题为肌内效贴(KT)与低强度激光治疗(LLLT)及其联合方案对烧伤后增生性瘢痕柔韧性和疼痛的影响。研究为单中心、三臂平行随机对照试验,在埃及开罗大学物理治疗学院门诊开展,纳入约60例临床诊断为烧伤后增生性瘢痕的患者,治疗8周并可选第12周随访。数据可用于比较不同康复干预对瘢痕结局的效果,支持瘢痕管理与康复治疗相关分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:增生性瘢痕、烧伤瘢痕(烧伤后)、烧伤。目的:比较肌内效贴(KT)、低强度激光治疗(LLLT)及其联合方案对烧伤后增生性瘢痕柔韧性和疼痛的影响。设计:单中心、三臂、平行随机对照试验(1:1:1);评估者和分析者盲法。地点:埃及吉萨开罗大学物理治疗学院门诊。参与者:约60例临床诊断为烧伤后增生性瘢痕的患者;能够完成8周治疗;标准排除标准包括开放伤口、感染、光敏感等。干预:A组:KT + 标准化瘢痕护理(贴布每2-3天重新贴敷)。B组:LLLT(905 nm脉冲设备;约16.2 J/cm²;每周3次)。C组:KT + LLLT,按相同时间表。持续时间:8周治疗;可选第12周随访以评估持久性。主要结局:瘢痕变化
【主题与分类】
主题标签:Hypertrophic Scar、Burn Scar (Post-burn)、Burns。本站分类:感染性疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07209891
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。
使用方式
数据集获取
源站:https://clinicaltrials.gov/study/NCT07209891
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:增生性瘢痕、烧伤后瘢痕(烧伤后)、烧伤。目的:比较肌内效贴扎(KT)、低强度激光治疗(LLLT)及其联合应用对烧伤后增生性瘢痕柔韧性和疼痛的影响。设计:单中心、三臂、平行随机对照试验(1:1:1);评估者和分析者盲法。地点:埃及吉萨开罗大学物理治疗学院门诊。参与者:约60例临床诊断为烧伤后增生性瘢痕的患者;能够完成8周治疗;开放性伤口、感染、光敏感等标准排除。干预:A组:KT+标准化瘢痕护理(每2-3天重新贴扎)。B组:LLLT(905 nm脉冲设备;约16.2 J/cm²;每周3次)。C组:KT+LLLT,按相同时间表。持续时间:8周治疗;可选第12周随访以评估持久性。主要结局:从基线至第8周瘢痕柔韧性/硬度(改良Schiotz眼压计)的变化。次要结局:疼痛变化(10 cm VAS);治疗相关不良事件;可选第12周持续性。随机化/隐藏:计算机生成序列;SNOSE信封。
分析:意向性治疗分析;采用线性混合效应模型,并进行校正的成对比较(Holm/Bonferroni法)。申办方:开罗大学。合作方:国家激光增强科学研究所(NILES)和开罗大学物理治疗学院。假设:KT+LLLT联合治疗将比任一单一疗法带来更大的改善。
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。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。




