慢性肛裂药物与手术治疗的短期结局
该数据集来自 clinicaltrials.gov,主题为慢性肛裂(CAF)药物与手术治疗的短期结局比较。研究针对慢性肛裂患者,比较硫糖铝(Emoflon®)、印楝素与贯叶金丝桃素组合(HyperOil®)以及传统外科治疗(侧方内括约肌切开术)的疗效与安全性,采用前瞻性随机对照试验设计,并使用便利抽

基本信息
资源简介
慢性肛裂药物与手术治疗的短期结局
该数据集来自 clinicaltrials.gov,主题为慢性肛裂(CAF)药物与手术治疗的短期结局比较。研究针对慢性肛裂患者,比较硫糖铝(Emoflon®)、印楝素与贯叶金丝桃素组合(HyperOil®)以及传统外科治疗(侧方内括约肌切开术)的疗效与安全性,采用前瞻性随机对照试验设计,并使用便利抽样方法。数据可用于评估不同治疗方案的疗效与安全性差异,支持临床决策与相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:慢性肛裂。已提出多种局部用药用于慢性肛裂(CAF)治疗,共同目标是增加肛周皮肤血流以促进愈合,但CAF的药物治疗方法尚未标准化。因此,本研究旨在比较硫糖铝(Emoflon®)、印楝素与贯叶金丝桃素组合(HyperOil®)以及传统外科治疗(侧方内括约肌切开术)在CAF患者中的疗效与安全性。研究目标:主要目标:1. 评估硫糖铝(Emoflon®)、印楝素与贯叶金丝桃素组合(HyperOil®)以及传统外科治疗(侧方内括约肌切开术)在CAF患者中的疗效与安全性。研究设计:前瞻性随机对照试验。研究抽样:将采用便利抽样方法;所有寻求医疗
【主题与分类】
主题标签:Anal Fissure Chronic。本站分类:感染性疾病/脓毒症。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06617026
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/NCT06617026
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:慢性肛裂。已有几种局部用药被提出用于慢性肛裂(CAF)的治疗,其共同目标是增加肛周皮肤血流以促进愈合,但慢性肛裂的药物治疗方法尚未标准化。因此,本研究旨在比较硫糖铝(Emoflon®)、印楝素与贯叶金丝桃素联合制剂(HyperOil®)以及传统手术治疗(侧方内括约肌切开术)在慢性肛裂患者中的疗效与安全性。研究目的:主要目的:1. 评估硫糖铝(Emoflon®)、印楝素与贯叶金丝桃素联合制剂(HyperOil®)以及传统手术治疗(侧方内括约肌切开术)在慢性肛裂患者中的疗效与安全性。研究设计:前瞻性随机对照试验。研究抽样:将采用便利抽样法;在研究期间因慢性肛裂至苏伊士运河大学医院医学院就诊且符合纳入标准的所有患者均将被招募。将由一名研究人员使用Excel公式算法制作随机分配卡,进行简单随机化。
方法:本研究将纳入至少99例男女两性CAF患者,这些患者将于2024年9月起在苏伊士运河大学医院医学院普通外科门诊就诊,并符合纳入和排除标准。首次发生CAF、年龄超过18岁且ASA I/II级的男女两性患者将被纳入研究。而伴有脓毒症、既往盆腔放疗史、复发性CAF、恶性肿瘤、正在使用免疫抑制药物、妊娠或哺乳期的患者将被排除。患者将按1:1:1的比例随机分配至3组,从硫糖铝组开始。在研究参与之前,将获得研究参与者的正式书面知情同意。所有纳入的患者将随访至40天。
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。




