减少切口疝发生率的缝合技术:STITCH 试验长期随访
该数据集来自 clinicaltrials.gov,围绕 STITCH 试验的长期随访,关注腹部手术后切口疝的预防。源站描述涉及手术、切口疝、伤口感染、筋膜裂开、疼痛与生活质量等结局

基本信息
资源简介
减少切口疝发生率的缝合技术:STITCH 试验长期随访
该数据集来自 clinicaltrials.gov,围绕 STITCH 试验的长期随访,关注腹部手术后切口疝的预防。源站描述涉及手术、切口疝、伤口感染、筋膜裂开、疼痛与生活质量等结局。STITCH 试验为随机对照试验,2009 年 10 月至 2012 年 3 月纳入 560 例接受择期腹部剖腹术的成人患者,比较中线切口小 bites(5 mm x 5 mm)与大 bites(1 cm x 1 cm)两种缝合技术。数据可用于分析缝合技术对切口疝及相关结局的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:手术、切口疝、伤口感染、筋膜裂开、疼痛、生活质量。理由:切口疝(IH)是腹部手术后常见的并发症。IH 的患病率因既往腹部手术方式而异,但在开放手术后高危患者中可高达 70%。为研究不同筋膜关闭技术在预防 IH 中的作用,设计了 STITCH 试验(NCT01132209),这是一项随机对照试验,于 2009 年 10 月至 2012 年 3 月期间纳入 560 例患者。该研究比较了接受择期腹部剖腹术的成人患者中线切口关闭的两种不同技术。患者被随机分配到干预组(小 bites 5 mm x 5 mm)或对照组(大 bites 1 cm x 1 cm)。结果表明,小 bites 比大 b
【主题与分类】
主题标签:Surgery、Incisional Hernia、Wound Infection、Fascial Dehiscence、Pain、Quality of Life。本站分类:感染性疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06066385
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/NCT06066385
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:手术、切口疝、伤口感染、筋膜裂开、疼痛、生活质量。理由:切口疝(IH)是腹部手术后常见的并发症。切口疝的患病率因既往腹部手术类型而异,但在开放手术后高危患者中可高达70%。为探究不同的筋膜闭合技术在预防切口疝方面的效果,设计了STITCH试验(NCT01132209),这是一项随机对照试验,于2009年10月至2012年3月期间纳入560名患者。该研究比较了两种不同的闭合技术,用于闭合接受择期腹部剖腹术的成年患者的中线切口。患者被随机分配到干预组(小针距5 mm x 5 mm)或对照组(大针距1 cm x 1 cm)。研究显示,在闭合中线切口时,小针距在预防切口疝方面比大针距更为有效。迄今为止,尚未研究小针距组与大针距组在切口疝发生率方面是否仍存在长期差异。
目的:本研究的主要目的是确定在STITCH试验随机化后随访10年时,小针距组与大针距组之间切口疝(IH)发生率的差异。次要目的是通过问卷和体格检查,在仍存活的患者中测量生活质量(QoL)、身体意象和美容效果以及腹壁功能。研究设计:基于对整个试验人群的患者档案和相关影像资料的回顾性审查,以及对仍存活患者的问卷和体格与影像学检查,对一项随机对照多中心研究进行长期随访(10-13年)评估。研究人群:在原STITCH试验纳入的560例患者中,545例完成了1年随访。干预(如适用):不适用。主要研究参数/终点:主要结局
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。




