oneKNEE 前瞻性非干预性多中心PMCF研究
oneKNEE 是一项前瞻性、非干预性、多中心 PMCF 研究，来源于 clinicaltrials.gov，本站归类为感染性疾病/其他
基本信息
资源简介
oneKNEE 前瞻性非干预性多中心PMCF研究
oneKNEE 是一项前瞻性、非干预性、多中心上市后临床随访（PMCF）研究，登记于 clinicaltrials.gov，在本站被归类为感染性疾病 / 其他。该研究围绕膝关节置换相关临床问题展开，关注的疾病与操作背景包括关节置换术、膝关节置换置换术、膝关节假体周围感染以及全膝关节置换（TKA）结局。研究同时观察安全性与临床性能两方面的表现：安全性方面覆盖所有器械不良效应，即与产品或手术操作相关的严重及非严重不良事件；临床性能方面则以植入后 2 年牛津膝关节评分（OKS）与术前状态的差异作为观察指标。整体而言，该数据集提供了一个以真实临床随访方式评估膝关节置换产品安全性与临床性能的研究框架。
【数据集背景】
该研究定位为前瞻性、非干预性、多中心设计，属于上市后临床随访（PMCF）性质的研究。其关注的核心临床领域为膝关节置换及其相关并发症，特别是膝关节假体周围感染这一感染性疾病议题，因此在本站被归入感染性疾病 / 其他类别。研究背景涉及关节置换术与膝关节置换置换术，并以全膝关节置换结局作为观察主题之一。
【数据内容】
研究涉及的条件包括关节置换术、膝关节置换置换术、膝关节假体周围感染以及 TKA 结局。观察内容分为安全性与临床性能两类。安全性观察覆盖所有器械不良效应，包括与产品或手术操作相关的严重和非严重不良事件。临床性能观察指标为植入后 2 年牛津膝关节评分（OKS）相对于术前状态的变化差异。主题标签包括关节置换、膝关节置换置换术、膝关节假体周围感染与 TKA 结局。
【采集与来源】
该数据集来源于 clinicaltrials.gov。研究采用前瞻性、非干预性、多中心的设计方式开展随访观察。除上述来源与设计特征外，源站未提供关于具体采集流程、采样方式、中心数量与随访时间安排的进一步信息。
【适用场景】
基于其研究设计，该数据集适用于膝关节置换相关产品上市后安全性与临床性能的评估场景，可用于观察与产品或手术操作相关的不良事件，并借助牛津膝关节评分（OKS）术前与植入后 2 年的差异评价临床性能。同时，其涉及的膝关节假体周围感染主题可为感染性疾病方向的相关分析提供参考。具体适用分析类型源站未提供。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/NCT07682909
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：关节成形术、关节置换术、膝关节、膝关节假体关节感染、TKA结局。将观察安全性和临床性能：安全性：所有器械不良效应：与产品或手术操作相关的严重和非严重不良事件。临床性能：植入后2年牛津膝关节评分（OKS）与术前状态的差异。
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。
