Ciprofol、Propofol与Sevoflurane用于老年脑肿瘤患者术后谵妄
该数据集来自clinicaltrials.gov,聚焦老年脑肿瘤患者术后谵妄的预防。计划纳入约381名65至90岁参与者,随机分入三组,分别接受上述一种麻醉药

基本信息
资源简介
Ciprofol、Propofol与Sevoflurane用于老年脑肿瘤患者术后谵妄
该数据集来自clinicaltrials.gov,聚焦老年脑肿瘤患者术后谵妄的预防。研究比较Ciprofol、Propofol和Sevoflurane三种全身麻醉药物,其中Ciprofol和Propofol经静脉给药,Sevoflurane经吸入给药。计划纳入约381名65至90岁参与者,随机分入三组,分别接受上述一种麻醉药。数据可用于分析不同麻醉药物对术后谵妄及脑功能保护的影响,为老年脑肿瘤手术麻醉方案选择提供依据(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:脑肿瘤、术后谵妄。本研究将比较三种用于手术期间使人进入深度睡眠的麻醉药物:Ciprofol、Propofol和Sevoflurane。这三种药物均常用于全身麻醉,但作用方式不同。Ciprofol和Propofol通过静脉给药。Sevoflurane以气体形式吸入。脑肿瘤手术后,一些老年人可能会出现突然的意识混乱和记忆问题,称为谵妄。研究人员希望了解这三种药物中哪一种最能预防谵妄并保护接受脑肿瘤手术的老年人的脑功能。约381名年龄在65至90岁之间的参与者将参加。参与者将被随机分配到三组之一。一组将接受Ciprofol。另一组将接受Propofol。第三组将接受Sevoflurane。所有参与者将接受
【主题与分类】
主题标签:Brain Neoplasms、Delirium - Postoperative。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07799623
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/NCT07799623
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:脑肿瘤,术后谵妄。本研究将比较三种用于手术期间使人进入深度睡眠的麻醉药物:环丙酚、丙泊酚和七氟烷。这三种药物均常用于全身麻醉,但作用机制不同。环丙酚和丙泊酚经静脉给药。七氟烷以气体形式吸入。脑肿瘤手术后,部分老年人可能会出现突发性意识混乱和记忆问题,称为谵妄。研究人员希望了解这三种药物中哪一种最能预防谵妄并保护接受脑肿瘤手术的老年人的脑功能。约381名65至90岁的参与者将参加本研究。参与者将被随机分配到三组中的一组。一组将接受环丙酚。另一组将接受丙泊酚。第三组将接受七氟烷。所有参与者在脑肿瘤切除期间及之后都将接受标准治疗。主要目标是比较术后7天内有多少参与者发生谵妄。
研究人员还将观察谵妄持续时间、严重程度,术后7天、30天、90天和180天的思维与记忆能力,恢复质量,术中血压和心率,以及治疗安全性。血液检测将用于测量术前、术后3小时和术后1天的身体应激、炎症和神经细胞损伤标志物。研究人员还将在术后7天内每天两次用简单问题测试思维和记忆。后续随访将在术后30天、90天和180天通过电话进行。本研究旨在探索哪种麻醉药物对患有脑肿瘤的老年人最安全,且最能保护术后大脑。研究结果可能有助于医生未来为这一患者群体选择最佳麻醉方案。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。




