肺段切除加速康复的无管策略临床试验
本数据集来自 clinicaltrials.gov，为一项前瞻性、开放标签、1:1 随机对照试验，针对因周围型肺结节（≤2 cm、距胸膜≤2 cm）接受单孔胸腔镜肺段切除的成人患者（18-75 岁）
基本信息
资源简介
肺段切除加速康复的无管策略临床试验
本数据集来自 clinicaltrials.gov，为一项前瞻性、开放标签、1:1 随机对照试验，针对因周围型肺结节（≤2 cm、距胸膜≤2 cm）接受单孔胸腔镜肺段切除的成人患者（18-75 岁）。主要结局为术后 24 小时高质量快速康复复合终点，需同时满足标准化出院标准、QoR-15 评分≥130 及首次随访前无 Clavien-Dindo ≥II 级呼吸不良事件。数据可用于评估无管策略在肺段切除加速康复中的效果，支持围手术期结局预测与临床决策研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：肺结节、早期肺癌（I 和 II 期）、胸腔镜手术、肺段切除。这是一项前瞻性、开放标签、随机对照试验，按 1:1 分配比例分组。计划接受单孔 VATS 肺段切除治疗周围型肺结节（≤2 cm，距胸膜≤2 cm）的成人患者（18-75 岁）将接受资格评估。关键排除标准包括严重胸膜粘连、无法实现选择性肺通气以及严重心肺功能障碍。主要结局是一个复合终点，测量术后 24 小时高质量快速康复率，定义为同时满足以下全部三项标准：1）符合标准化出院标准，2）QoR-15（Quality of Recovery-15）评分≥130，3）至首次随访前无 Clavien-Dindo ≥II 级呼吸不良事件。次要结局
【主题与分类】
主题标签：Pulmonary Nodules、Early Stage Lung Cancer (I and II)、Thoracoscopic Surgery、Sublobar Resection。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07409129
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/NCT07409129
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：肺结节、早期肺癌（I期和II期）、胸腔镜手术、亚肺叶切除。这是一项前瞻性、开放标签、随机对照试验，按1：1比例分配。计划接受单孔VATS亚肺叶切除治疗周围型肺结节（≤2 cm，距胸膜≤2 cm）的成年患者（年龄18-75岁）将接受资格评估。主要排除标准包括严重胸膜粘连、无法实现选择性肺通气以及严重心肺功能障碍。主要结局是一个复合终点，测量术后24小时高质量快速康复率，定义为同时满足以下三项标准：1）符合标准化出院标准，2）QoR-15（恢复质量-15）评分≥130，以及3）至首次随访前无Clavien-Dindo≥II级呼吸系统不良事件。次要结局包括主要终点的各单项组分、气胸发生率、术后疼痛评分、首次下床活动时间、住院时间、住院费用和患者满意度。
计算得出样本量为138名参与者（每组69名），以提供足够的统计功效。数据分析将遵循意向性治疗原则。
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。
