菱形肌间沟阻滞与胸椎旁阻滞在乳腺癌手术中的比较
该数据集来自 clinicaltrials.gov,主题为乳腺癌手术后疼痛管理,比较菱形肌间沟阻滞(RI block)与胸椎旁阻滞(TPV block)两种区域麻醉方式

基本信息
资源简介
菱形肌间沟阻滞与胸椎旁阻滞在乳腺癌手术中的比较
该数据集来自 clinicaltrials.gov,主题为乳腺癌手术后疼痛管理,比较菱形肌间沟阻滞(RI block)与胸椎旁阻滞(TPV block)两种区域麻醉方式。研究在 Fayoum university hospital 开展,自 2024 年 6 月起招募符合纳入标准的择期乳腺癌手术患者,采用计算机生成随机表按 1:1 比例分组,并使用密封不透光信封分配组别。数据可用于术后疼痛相关研究、区域阻滞效果比较及临床麻醉决策参考(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:术后疼痛。在获得当地机构伦理委员会和当地机构审查委员会批准后。计划在 Fayoum university hospital 接受择期乳腺癌手术且符合纳入标准的患者,将从 2024 年 6 月开始纳入这项随机对照研究,直至满足样本量。符合条件的参与者在招募前将签署详细的知情同意书。患者将按 1:1 比例使用计算机生成的随机表随机分为两组:RI 阻滞组和 TPV 阻滞组。患者被分配组别的信息将由执行超声引导 RI 和 TPV 阻滞的麻醉医师从密封不透光信封中获取,该医师不参与后续数据收集或患者护理。患者以及手术和麻醉团队,负责
【主题与分类】
主题标签:Pain, Postoperative。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06781346
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/NCT06781346
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:术后疼痛。在获得当地机构伦理委员会和当地机构审查委员会批准后。自2024年6月起,在法尤姆大学医院拟接受择期乳腺癌手术且符合纳入标准的患者将被纳入这项随机对照研究,直至满足样本量。符合条件的参与者在招募前将签署详细的知情同意书。患者将按1:1比例使用计算机生成的随机表随机分为两组:RI阻滞组和TPV阻滞组。患者被分配组别的信息将由实施超声引导下RI和TPV阻滞的麻醉医师从密封不透明信封中获取,该医师不参与后续数据收集或患者照护。患者以及负责患者照护和数据收集的手术团队和麻醉团队均将对分组分配设盲。麻醉技术在本研究中,。所有患者将在手术室内使用心电图、脉搏血氧饱和度、二氧化碳图、无创血压进行血压监测。
预给氧后,将使用静脉注射丙泊酚(2 mg/kg)和芬太尼(1 μg/kg)诱导全身麻醉。使用阿曲库铵(0.5mg/kg)实现肌肉松弛后,将通过带套囊气管导管进行气管插管,并调整机械通气以维持呼气末二氧化碳在30至35 mmHg之间。麻醉维持将使用静脉注射阿曲库铵和吸入麻醉药(异氟烷),起始浓度为1个最低肺泡有效浓度(MAC),并根据BIS监测(BIS Complete Monitoring System P/N 185-0151 Covidien IIc, 15 Hampshire Street, Mansfield, MA 02048 USA)滴定浓度,以维持BIS值在40至60之间,从而获得适当的麻醉深度。诱导后,患者将置于侧卧位。
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。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




