牙槽骨移植前信息提供方法
该数据集来自 clinicaltrials.gov,主题为牙槽骨移植前向患者及家属提供信息的方法。研究为单中心前瞻性随机对照试验,在 Great Ormond Street Hospital 开展,采用隐蔽分配,旨在均衡年龄、性别及既往正畸或手术经历等混杂因素

基本信息
资源简介
牙槽骨移植前信息提供方法
该数据集来自 clinicaltrials.gov,主题为牙槽骨移植前向患者及家属提供信息的方法。研究为单中心前瞻性随机对照试验,在 Great Ormond Street Hospital 开展,采用隐蔽分配,旨在均衡年龄、性别及既往正畸或手术经历等混杂因素。研究对象为唇腭裂需行牙槽骨移植的患者,由颌面-正畸联合门诊筛选,研究团队成员提前两周查阅临床记录,并电话联系符合纳入排除标准的患者父母或监护人,说明研究并征求患者信息知情同意。数据可用于研究术前信息提供方式对相关结局的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:唇裂和腭裂。研究概述:这是一项在(Great Ormond Street Hospital)开展的单中心前瞻性随机对照试验,采用隐蔽分配。选择随机对照试验是为了使混杂因素(包括年龄、性别以及既往正畸或手术经历)均衡分布。入组:被唇腭裂团队确定为需要牙槽骨移植的患者,会被预约到每周运行数次的颌面-正畸联合门诊。研究团队成员(同时也是临床护理团队成员)将在门诊前两周对这些门诊的临床记录进行筛查,以识别患者。被识别为符合纳入/排除标准的患者的父母/监护人将由研究团队的指定成员致电,以解释该研究。他们将征求患者信息
【主题与分类】
主题标签: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/NCT04381078
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/NCT04381078
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
疾病:唇裂和腭裂。研究概述:这是一项在大奥蒙德街医院开展的单中心前瞻性随机对照试验,采用隐蔽分组。选择随机对照试验是为了使年龄、性别以及既往正畸或外科手术经历等混杂因素得到均衡分布。入组:由唇腭裂团队确定需要接受牙槽骨移植的患者,会被预约参加每周举行数次的颌面-正畸联合门诊。研究团队成员(同时也是临床诊疗团队成员)将在门诊前两周对这些门诊的临床记录进行筛查,以识别患者。对于被确定符合纳入/排除标准的患者,其父母/监护人将由研究团队指定成员致电,解释该研究。他们将征求同意,以便在预约日期前至少一周将患者信息表(PIS)寄送至其登记地址(附录D和E)。在评估当天,被认为合适的儿童将被邀请参与。
研究人员将详细口头讲解PIS,并允许参与者提出任何问题。对愿意参与的人员,将先获取口头同意,随后获取书面同意。他们将使用随机数字生成器被分配到对照组或干预组,以确保随机化和隐蔽分配过程。样本量计算已使用既往采用主要结局指标的研究完成。将招募56名儿童,并考虑20%的脱落率。零假设:“ACE”动画不会降低8至12岁接受牙槽骨移植(ABG)患者的焦虑。备择假设:“ACE”动画会降低8至12岁接受牙槽骨移植(ABG)患者的焦虑。干预措施:对照组将接受标准化的口头和书面信息
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。




