THBC/CGF用于牙槽骨再生的真实世界研究
该数据集来自clinicaltrials.gov，为一项在真实临床环境中开展的前瞻性观察性研究，聚焦下颌阻生第三磨牙拔除后第二磨牙近中骨缺损的修复
基本信息
资源简介
THBC/CGF用于牙槽骨再生的真实世界研究
该数据集对应一项在真实临床环境中开展的前瞻性观察性研究，关注下颌阻生第三磨牙拔除后第二磨牙近中骨缺损的修复问题。研究涉及牙槽骨丢失、拔牙后牙槽嵴吸收及阻生牙等情形，旨在系统评价一种新型复合材料——负载浓缩生长因子（CGF）的热敏羟丁基壳聚糖（THBC）——在恢复下颌阻生第三磨牙拔除后第二磨牙近中骨缺损方面的临床疗效与骨再生能力。研究对象为需要拔除下颌近中或低位阻生第三磨牙的患者，参与者依据临床情况与个人偏好选择不同的骨修复方案，包括THBC+CGF实验组、自体骨移植组、THBC组、CGF组及胶原海绵等。该数据集收录于肌肉骨骼系统疾病/其他分类下，来源于clinicaltrials.gov。
【数据集背景】
牙槽骨丢失与拔牙后牙槽嵴吸收是口腔临床常见的骨量不足问题，阻生第三磨牙拔除后邻牙远中或近中区域的骨缺损修复尤为受到关注。该研究正是在这一临床背景下设计，采用前瞻性观察性研究方式，在真实临床环境中评估THBC与CGF复合材料的应用价值，探索其在促进骨再生与恢复骨缺损方面的表现，并与自体骨移植、单一材料等其他修复选择进行对照观察。
【数据内容】
数据集围绕下颌阻生第三磨牙拔除后第二磨牙近中骨缺损的修复展开，涉及的条件包括牙槽骨丢失、拔牙后牙槽嵴吸收以及阻生牙。研究纳入需要拔除下颌近中或低位阻生第三磨牙的患者，按临床情形与个人意愿分配至不同骨修复方案，涵盖THBC+CGF实验组、自体骨移植组、THBC组、CGF组以及胶原海绵等选项。数据内容对应上述研究设计与分组信息，具体变量、字段与观测指标源站未提供。
【采集与来源】
数据来源于clinicaltrials.gov，对应一项在真实世界临床环境中实施的前瞻性观察性研究。研究以临床实际诊疗过程为基础收集信息，参与者根据临床情况和个人偏好选择骨修复方式，而非采用随机分配。除来源站与研究方向外，样本量、采集时间窗、随访周期及具体采集流程源站未提供。
【适用场景】
该数据集适用于口腔颌面外科与牙槽骨再生相关的研究与教学场景，例如评估阻生第三磨牙拔除后邻牙骨缺损修复方案的选择、比较复合材料与自体骨移植等不同策略的临床效果，以及了解真实临床环境下前瞻性观察性研究的设计思路。也可为关注牙槽骨丢失与拔牙后牙槽嵴吸收问题的研究者提供参考。具体适用条件与使用范围源站未提供。
【使用方法】
源站未提供。
【质量与限制】
该研究为前瞻性观察性设计，参与者依据临床情况与个人偏好选择修复方案，而非随机分组，组间可比性可能受到选择偏倚等影响。数据集的具体样本量、随访完整性、缺失数据处理方式及质量控制措施源站未提供，使用时应结合原始研究记录加以核实。
【引用与许可】
源站未提供。
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/NCT07779421
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：牙槽骨丢失、拔牙后牙槽嵴吸收、阻生牙。本研究是一项在真实世界临床环境中开展的前瞻性观察性研究。其目的是系统评价一种新型复合材料——负载浓缩生长因子（CGF）的温敏羟丁基壳聚糖（THBC）——在恢复下颌阻生第三磨牙拔除后第二磨牙近中骨缺损方面的临床疗效与骨再生能力。本研究将纳入需要拔除下颌近中或低位阻生第三磨牙的患者。所有参与者将根据临床情况和个人偏好选择不同的骨修复方案，包括THBC+CGF实验组、自体骨移植组、THBC组、CGF组、胶原海绵组和未填充对照组。将全面描述基线数据和术中细节。
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。
