胰腺手术ERAS方案依从性、应激反应与结局
该数据集来自clinicaltrials.gov,为一项前瞻性观察性队列研究,覆盖2022年5月至2025年4月在希腊两家医院接受胰腺手术的患者,研究ERAS方案依从性、应激反应与术后结局

基本信息
资源简介
胰腺手术ERAS方案依从性、应激反应与结局
该数据集来自clinicaltrials.gov,为一项前瞻性观察性队列研究,覆盖2022年5月至2025年4月在希腊两家医院接受胰腺手术的患者,研究ERAS方案依从性、应激反应与术后结局。数据涉及胰腺癌、胰瘘、胃排空延迟、手术并发症、胰腺出血及患者报告结局指标(PROMs),可用于分析ERAS依从性与围手术期结局的关联(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:ERAS、胰腺癌、胰腺;瘘、胃排空延迟、手术并发症、胰腺出血、PROMs。在本研究中,ERAS方案应用于接受胰腺手术的患者。这是一项前瞻性观察性队列研究。研究将在两家医院进行:拉里萨大学综合医院(学术中心)和IASO Thessalias(色萨利最大的私立综合医院)。研究期为三年,从2022年5月到2025年4月。在此期间接受胰腺手术的所有患者都将被邀请参与研究。招募将在患者与外科医生的第一次预约时进行,届时患者被安排手术。将向患者提供有关该方案的详细信息,其中还包括一份信息传单。愿意的患者将签署书面同意书。
【主题与分类】
主题标签:ERAS、Pancreas Cancer、Pancreas; Fistula、Delayed Gastric Emptying、Surgery-Complications、Pancreatic Hemorrhage、PROMs。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05518643
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/NCT05518643
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:ERAS、胰腺癌、胰腺;瘘管、胃排空延迟、手术并发症、胰腺出血、PROMs。本研究将ERAS方案应用于接受胰腺手术的患者。这是一项前瞻性观察性队列研究。研究将在两家医院进行,即拉里萨大学总医院(学术中心)和IASO Thessalias(色萨利地区最大的私立综合医院)。研究期为三年,从2022年5月至2025年4月。在此期间接受胰腺手术的所有患者都将被邀请参与研究。招募将在患者与外科医生首次预约、被列入手术名单时进行。将向患者提供有关该方案的详细信息,其中包括一份信息传单。愿意参与研究的患者将签署书面同意书。入组患者将在术前、术中和术后期间遵循胰腺手术的ERAS路径。ERAS方案基于ERAS学会关于胰十二指肠切除术后加速康复的建议。
ERAS方案包括以下项目:首次术前预约:* 向患者介绍该方案的相关教育 * 预康复,包括体育锻炼和营养支持建议 * 建议戒烟和戒酒 * 制定合并症优化计划 * 完成生活质量问卷 手术前一天:* 讨论该方案,解答患者的任何疑虑和焦虑 * 睡前清淡饮食和碳水化合物饮品 * 术前12小时注射抗凝药物 手术当天:* 术前3小时饮用碳水化合物饮品并服用止痛药 * 术前3小时可允许摄入清流质 * 手术切口前1小时内使用抗生素 术中:* 全身麻醉前放置硬膜外导管 * 多模式阿片类药物节约型镇痛 * 恶心呕吐预防 * 目标导向液体治疗 * 主动保温以避免低体温 * 监测血糖以
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。




