中线剖腹术后预防性网片置入:PROMETHEUS 超声评估试验
该数据集来自 clinicaltrials.gov,对应一项双盲随机试验,比较中线剖腹术常规连续缓慢可吸收缝线缝合与使用永久性网片(Parietex Progrip)辅助缝合在清洁-污染手术患者中的效果

基本信息
资源简介
中线剖腹术后预防性网片置入:PROMETHEUS 超声评估试验
该数据集来自 clinicaltrials.gov,对应一项双盲随机试验,比较中线剖腹术常规连续缓慢可吸收缝线缝合与使用永久性网片(Parietex Progrip)辅助缝合在清洁-污染手术患者中的效果。2016年1月至2018年6月共纳入200例患者,均在意大利Lacco Ameno(Naples)唯一医院同一外科单元手术。数据覆盖切口疝与伤口感染等结局,可用于评估预防性网片对术后切口疝和伤口感染的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:切口疝、伤口感染。该研究是一项双盲随机试验,在接受清洁-污染手术的中线剖腹术患者中,比较广泛推荐的使用连续缓慢可吸收缝线的中线剖腹术缝合与借助永久性网片(Parietex Progrip)的缝合。2016年1月至2018年6月,共纳入200例患者。所有患者均在位于Lacco Ameno(Naples)该岛唯一医院的同一外科单元接受手术。所有因腹部手术在清洁-污染术野接受“开放”中线剖腹术的患者均被纳入。所有患者均签署知情同意书。已向当地区域伦理委员会申请授权。排除标准为:年龄<18岁;预期寿命<24个月(由手术医生估计)、妊娠、免疫抑制
【主题与分类】
主题标签:Incisional Hernia、Wound Infection。本站分类:感染性疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04436887
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/NCT04436887
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:切口疝、伤口感染。本研究是一项双盲随机试验,在接受中线剖腹术进行清洁-污染手术的患者中,比较广泛推荐的使用缓慢可吸收缝线连续缝合关闭中线剖腹切口与借助永久性腹膜前补片(Parietex Progrip)关闭切口的效果。2016年1月至2018年6月期间,共纳入200例患者。所有患者均在同一外科单元接受手术,该单元位于拉科阿梅诺(那不勒斯),是该岛唯一的医院。纳入所有在清洁-污染术野中接受“开放”中线剖腹术进行腹部手术的患者。所有患者均签署知情同意书。已向当地地区伦理委员会申请授权。排除标准为:年龄<18岁;预期寿命<24个月(由手术医生估计)、妊娠、术前2周内接受免疫抑制剂治疗、清洁、污染和污秽伤口、伤口长度<10 cm。患者被随机分为两组(A组,接受一期缝合;B组,接受腹膜前方式补片支持关闭)。
随机化在腹壁关闭前即刻通过手术室护士抽取数字(1至200)获得(偶数:A组,奇数:B组)。所有纳入研究的患者均通过向其全科医生寄送信件进行随访。门诊随访由对手术方式不知情的外科医生/外科住院医师/全科医生完成。技术细节 A组。正中剖腹探查切口一期关闭。正中筋膜采用双层连续缓慢可吸收缝线关闭。在弓状线以上,后层通过缝合腹膜和后腹直肌鞘完成;在弓状线以下,后层通过缝合腹膜和腹横筋膜完成。前层通过缝合前腹直肌鞘完成。缝线长度与伤口长度之比为推荐的4:1(非常规测量)。皮下组织和皮肤予以关闭
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。




