双光电动牙刷与手动牙刷在口腔手术正畸患者中的有效性

该数据集来自 clinicaltrials.gov,关注双光电动牙刷与手动牙刷在正畸及口腔手术患者中的有效性。研究对象包括接受正颌手术、骨移植手术或无待手术的颅面及单/双侧唇腭裂患者,共189人,涉及牙龈炎

Children's Hospital Los AngelesChildren's Hospital Los Angeles
clinicaltrials
浏览 11
其他分类ToothbrushingGingivitisCleft Lip and Palate
Effectiveness of Dual Light Electric Toothbrush vs. Manual Toothbrush in Orthodontic Patients Undergoing Oral Surgery

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-12

资源简介

双光电动牙刷与手动牙刷在口腔手术正畸患者中的有效性

该数据集来自 clinicaltrials.gov,关注双光电动牙刷与手动牙刷在正畸及口腔手术患者中的有效性。研究对象包括接受正颌手术、骨移植手术或无待手术的颅面及单/双侧唇腭裂患者,共189人,涉及牙龈炎。三种研究器械为双光治疗声波牙刷、声波牙刷和手动牙刷。数据包含菌斑指数与牙龈指数的分类变量,以及探诊出血和牙周探诊深度的参数数据,可用于比较组间与组内差异(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:刷牙、牙龈炎、唇裂和腭裂。试点研究、随机对照临床试验,研究组:1)接受正颌手术的颅面和/或单侧及双侧腭裂患者。2)接受骨移植手术的颅面和/或单侧及双侧腭裂患者。3)无待手术的颅面和/或单侧及双侧腭裂患者。三种研究器械包括双光治疗声波牙刷(BristlTM牙刷)、声波牙刷(BristlTM)和手动牙刷,针对189名患者的牙龈炎疾病。来自菌斑指数和牙龈指数的分类变量将使用Fisher精确检验和McNemar检验进行分析。参数方法将用于分析探诊出血和牙周探诊深度的数据。以确定组间和每组内的差异。

【主题与分类】

主题标签:Toothbrushing、Gingivitis、Cleft Lip and Palate。本站分类:肌肉骨骼系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT06122805

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT06122805

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:刷牙、牙龈炎、唇裂和腭裂。初步研究,随机对照临床试验,研究分组:1)接受正颌手术的颅面畸形和/或单侧及双侧腭裂患者。2)接受骨移植手术的颅面畸形和/或单侧及双侧腭裂患者。3)无待进行手术的颅面畸形和/或单侧及双侧腭裂患者。三种研究器械包括双光疗声波牙刷(BristlTM牙刷)、声波牙刷(BristlTM)和手动牙刷,针对189名患者的牙龈炎疾病。将使用Fisher精确检验和McNemar检验分析来自菌斑指数和牙龈指数的分类变量。将使用参数方法分析探诊出血和牙周探诊深度的数据。为确定各组之间以及各测试在所有时间点的差异,将使用Student t检验。

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。

获取专属数据定制方案