非对称分次肠道准备方案的有效性与耐受性
该数据集来自 clinicaltrials.gov,为一项前瞻性、单盲观察性研究,在两个同属同一地方卫生局的消化内镜中心开展

基本信息
资源简介
非对称分次肠道准备方案的有效性与耐受性
该数据集来自 clinicaltrials.gov,为一项前瞻性、单盲观察性研究,在两个同属同一地方卫生局的消化内镜中心开展。研究对象为接受结直肠癌筛查的患者,比较对称分次与非对称分次两种肠道准备方案。所用产品为低容量 Macrogol (3350) + Ascorbic Acid 溶液(PLENVU®, Norgine)。患者入组、处方及安全性、耐受性、可接受性和依从性评估由非盲助理完成,内镜评估由对准备方案设盲的经验丰富内镜医师执行。数据可用于评估不同分次方案在肠道清洁度、耐受性及依从性方面的表现(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:结肠准备、结直肠息肉。前瞻性观察性、单盲研究,在两个属于同一地方卫生局的消化内镜中心进行。将在接受结直肠癌筛查的患者人群中比较两种研究中的肠道准备方案(对称分次和非对称分次)。患者入组、产品处方以及随后的内镜前安全性、耐受性、可接受性和依从性评估将由一名对所用准备类型不设盲的助理完成。然而,内镜评估将由一名对患者所接受肠道准备类型设盲的经验丰富的内镜医师进行。所使用的肠道准备产品由极低容量 Macrogol (3350) + Ascorbic Acid (1 升) 溶液组成(PLENVU®, Norgine)。肠道清洁
【主题与分类】
主题标签:Colon Preparation、Polyps Colorectal。本站分类:肿瘤/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06916689
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/NCT06916689
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:结肠准备,结直肠息肉。前瞻性观察性、单盲研究,在两个隶属于同一地方卫生局的內镜中心进行。将在接受结直肠癌筛查的患者群体中,比较两种研究中的肠道准备方案(对称分次和非对称分次)。患者招募、产品处方以及随后的内镜检查前安全性、耐受性、可接受性和依从性评估,将由一名对所用准备类型不设盲的助理完成。然而,内镜评估将由一位对患者所接受的肠道准备类型设盲的经验丰富的内镜医师进行。所使用的肠道准备产品包含极低容量的聚乙二醇(3350)+抗坏血酸(1升)溶液(PLENVU®,Norgine)。使用波士顿肠道准备量表评估的肠道清洁程度和肠道准备的整体耐受性是主要结局指标。
患者依从性与安全性;检测到的病变数量、完成结肠镜检查的百分比、结肠镜检查持续时间、患者在检查过程中感受到的不适/疼痛程度以及操作相关并发症为次要结局指标。患者将根据计算机生成的序列被分配到两个治疗组。数据将以定量变量的均值和标准差以及定性变量的频率来表示。两组之间的比较将采用t检验对定量变量进行分析,采用卡方(χ²)检验对定性变量进行分析。
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。




