妇科癌症患者加速康复外科中的自我催眠
该数据集来自 clinicaltrials.gov,聚焦妇科癌症患者在接受开腹妇科手术(laparotomy)并处于加速康复路径时,术前参与自我催眠(SH)的可行性与效果

基本信息
资源简介
妇科癌症患者加速康复外科中的自我催眠
该数据集来自 clinicaltrials.gov,聚焦妇科癌症患者在接受开腹妇科手术(laparotomy)并处于加速康复路径时,术前参与自我催眠(SH)的可行性与效果。覆盖恶性女性生殖系统肿瘤、复发性恶性女性生殖系统肿瘤及转移性宫颈癌人群。主要目标为评估术前自我催眠是否可行并改善患者术后疼痛感知;次要目标包括阿片类药物使用变化(首次术后阿片时间、总剂量换算为吗啡当量、是否避免阿片)、住院时长变化及两组间其他常见症状差异。可用于术后疼痛与阿片使用相关预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:恶性女性生殖系统肿瘤、复发性恶性女性生殖系统肿瘤、转移性宫颈癌。主要目标:I. 评估在加速康复路径下接受开腹妇科手术(laparotomy)的患者中,术前参与自我催眠(SH)是否可行,以及是否会改善患者对术后疼痛的感知。次要目标:I. 评估术前参与SH是否与阿片类药物使用变化相关,包括首次术后阿片用药时间、阿片类药物总剂量(换算为吗啡当量)以及是否避免使用阿片类药物。II. 探讨术前参与SH是否与住院时长变化相关。III. 探讨两个研究组在妇科手术女性其他常见症状方面是否存在差异。
【主题与分类】
主题标签:Metastatic Cervical Cancer。本站分类:肿瘤/宫颈癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04266886
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/NCT04266886
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:女性生殖系统恶性肿瘤、复发性女性生殖系统恶性肿瘤、转移性宫颈癌。主要目的:I. 评估在加速康复路径下接受开放性妇科手术(剖腹术)的患者中,参与术前自我催眠(SH)是否可行,以及是否会改善患者对术后疼痛的感知。次要目的:I. 评估参与术前SH是否与阿片类药物使用变化相关,包括首次术后阿片类药物使用时间、阿片类药物总剂量(换算为吗啡当量)以及避免使用阿片类药物。II. 探讨参与术前SH是否与住院时间变化相关。III. 探讨两个研究组在接受妇科手术女性其他常见症状、术后功能恢复和生活质量(QOL)方面是否存在差异。IV.
探讨对症状管理的预期、催眠易感性及其他基线人口学、医学和社会心理变量是否与随时间推移的结局相关或对其产生影响,包括术前焦虑和术后结局(如MEDD、LOS、并发症、症状和QOL)。五、测量对干预措施的满意度(第2组患者)。六、进行亚组分析,探讨其他常见临床或人口学因素是否为潜在协变量。探索性目标:一、比较两种不同工具在测量患者报告的医院术后恢复结局方面的差异。方案概述:患者被随机分配至2组中的1组。第1组:患者接受常规护理,包括在加速康复外科(ERAS)路径中接受多模式镇痛及手术时注射局部镇痛药。第2组:患者接受与第1组相同的常规护理。患者还在ERAS路径中通过聆听MP3接受自我催眠引导放松。
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。




