胃肠癌术后不换药与常规换药对比研究
该数据集来自 clinicaltrials.gov,为一项前瞻性、多中心、随机、开放标签、平行组、非劣效性试验,纳入 1138 例 18 至 75 岁、经组织学确诊恶性肿瘤并接受择期胃肠手术的患者

基本信息
资源简介
胃肠癌术后不换药与常规换药对比研究
该数据集来自 clinicaltrials.gov,为一项前瞻性、多中心、随机、开放标签、平行组、非劣效性试验,纳入 1138 例 18 至 75 岁、经组织学确诊恶性肿瘤并接受择期胃肠手术的患者。研究比较术后省略常规换药与标准换药策略在 30 天内伤口并发症复合终点上的非劣效性,并比较术后疼痛评分与换药相关总费用。数据可用于评估换药策略对伤口并发症、疼痛及费用的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:胃肠道肿瘤、手术伤口感染、术后疼痛。研究目标与设计:本研究为前瞻性、多中心、随机、开放标签、平行组、非劣效性试验。主要目标为证明在预防胃肠癌手术后 30 天内伤口并发症复合终点方面,省略常规换药不劣于标准护理。次要目标为比较两种策略的术后疼痛评分和换药相关总费用。纳入标准与样本量:共纳入并随机分配 1138 例 18 至 75 岁、因组织学确诊恶性肿瘤接受择期胃肠手术的患者。关键纳入标准包括 ECOG 体能状态评分为 0 或 1。关键排除标准包括切口处存在活动性皮肤疾病。
【主题与分类】
主题标签:Gastrointestinal Tumors、Surgical Wound Infection、Pain, Postoperative。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06263205
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/NCT06263205
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:胃肠道肿瘤、手术伤口感染、术后疼痛。研究目标与设计:本研究为一项前瞻性、多中心、随机、开放标签、平行组、非劣效性试验。主要目标是证明在预防胃肠道癌症手术后30天内伤口并发症复合终点方面,省略常规换药不劣于标准护理。次要目标是比较两种策略之间的术后疼痛评分和敷料相关总费用。纳入标准与样本量:共纳入1138例年龄18至75岁、因组织学确诊的恶性肿瘤接受择期胃肠道手术的患者,并进行了随机分组。关键纳入标准包括ECOG体能状态评分为0或1。关键排除标准包括切口部位存在活动性皮肤疾病、未控制的合并症、既往腹部放疗、近期免疫抑制治疗或无法完成随访,详见方案。研究方法:参与者按1:1比例随机分配至非换药组或常规换药组。
在不包扎组中,术后48小时移除初始敷料,除非出现特定临床指征(如脓性分泌物、大面积红斑),否则不再进行消毒、清洁或伤口覆盖。在常规包扎组中,患者每48小时接受标准化换药,包括使用10%聚维酮碘消毒并更换新的无菌敷料,直至术后7-14天拆线。所有伤口并发症均由独立、盲法的终点委员会使用标准化照片证据进行裁定。随访与结局:出院前每隔一天进行随访评估,并在术后第14天和第30天进行随访。主要结局是术后30天内需要临床干预的术后伤口并发症的复合发生率(inc
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。




