术前身体与心理状态评估能否预测肛肠手术后疼痛?
研究对象为确诊良性肛肠疾病并拟行手术的患者,涵盖 2-4 期痔病、保守治疗无效的肛裂、直肠及直肠阴道瘘、创伤后肛门失禁等

基本信息
资源简介
术前身体与心理状态评估能否预测肛肠手术后疼痛?
该数据集来自 clinicaltrials.gov,为单中心前瞻性观察研究,依托 Lomonosov Moscow State University 医学研究与教育中心(MREC MSU)外科开展。研究对象为确诊良性肛肠疾病并拟行手术的患者,涵盖 2-4 期痔病、保守治疗无效的肛裂、直肠及直肠阴道瘘、创伤后肛门失禁等。数据可用于分析术前身体与心理状态评估对肛肠手术后疼痛的预测价值,涉及术后疼痛、疼痛综合征等结局,属于感染性疾病/其他分类下的临床观察数据(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:痔、肛瘘、肛裂、失禁、疼痛综合征、术后疼痛。本研究是一项单中心前瞻性观察研究,在 Lomonosov Moscow State University 医学研究与教育中心(MREC MSU)外科基础上开展。已确诊患有以下良性肛肠疾病之一(2-4 期痔病、对保守治疗无反应的肛裂、直肠和直肠阴道瘘、创伤后其他类型的肛门失禁)并计划接受手术治疗(开放式/闭合式痔切除术,伴或不伴 Ligasure;肛裂切除术;直肠或直肠阴道瘘切除术,伴或不伴节段性直肠成形术;括约肌提肌成形术或其他肛门括约肌重建方案)的患者是研究的潜在参与者。
【主题与分类】
主题标签:Hemorrhoids、Anal Fistula、Anal Fissure、Incontinence、Pain Syndrome、Postoperative Pain。本站分类:感染性疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06049524
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/NCT06049524
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
疾病:痔疮、肛瘘、肛裂、失禁、疼痛综合征、术后疼痛。本研究是一项单中心前瞻性观察性研究,在罗蒙诺索夫莫斯科国立大学医学研究与教育中心(MREC MSU)外科基础上开展。已确诊患有以下一种良性肛门直肠疾病(2-4期痔病、保守治疗无效的肛裂、直肠瘘和直肠阴道瘘、创伤后其他类型的肛门失禁)并拟接受手术治疗(开放式/闭合式痔切除术,伴或不伴Ligasure;肛裂切除术;直肠瘘或直肠阴道瘘切除术,伴或不伴节段性直肠成形术;括约肌提肛肌成形术或其他肛门括约肌重建方案)的患者为本研究的潜在参与者。在符合纳入标准且患者签署自愿知情同意书后,参与患者的所有必要信息均录入电子数据库。
术前,患者需填写纸质或电子问卷,以收集以下信息:* 人口学数据:性别、年龄、BMI、吸烟年限及吸烟指数* 临床数据:疾病症状,如有疼痛——根据视觉模拟评分法(VAS)进行疼痛评估,病程,镇痛药使用情况,既往肛肠区域干预史,疾病复发情况,女性月经周期第几天,月经周期时长,激素类药物使用情况,既往是否感染过新型冠状病毒(COVID-19),COVID-19感染持续时间* 心理情绪状态:用于识别焦虑和抑郁的问卷* 疼痛所致残疾程度评估量表。术前评估完成后,参与研究的医生进行一项测试以确定压力痛阈:将血压计袖带绑在患
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。




