Exparel对结肠手术后疼痛及麻醉药使用的影响
该数据集来源于clinicaltrials.gov,研究Exparel对结肠手术后疼痛及麻醉药使用的影响。研究对象为接受择期结肠切除术的患者,涵盖机器人、腹腔镜和开腹手术

基本信息
资源简介
Exparel对结肠手术后疼痛及麻醉药使用的影响
该数据集来源于clinicaltrials.gov,研究Exparel对结肠手术后疼痛及麻醉药使用的影响。研究对象为接受择期结肠切除术的患者,涵盖机器人、腹腔镜和开腹手术。患者在术前被随机分为Exparel组和非Exparel组,每组各占50%,患者和主刀医生均对分组设盲。数据可用于分析术后疼痛控制效果及麻醉药使用情况,为结肠手术围术期镇痛方案提供参考(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:术后疼痛、结肠癌、憩室炎。接受Kraemer医生和Raman医生择期结肠切除术的患者将被邀请参与研究。这将包括机器人、腹腔镜和开腹手术。在术前区域,手术住院医师将告知患者参与研究的机会。住院医师将在那时征得患者同意,如果患者选择参与,他们将被随机分配到Exparel组或非Exparel组。随机化将通过让住院医师挑选一个信封来完成,信封上说明患者是否被随机分配到Exparel组或非Exparel组,这将随机分配到每组50%。患者不会被告知他们接受的局部麻醉类型。主刀医生也将对局部麻醉类型设盲。
【主题与分类】
主题标签:Post-operative Pain、Colon Cancer、Diverticulitis。本站分类:肿瘤/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02052557
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/NCT02052557
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:术后疼痛、结肠癌、憩室炎。将接受Kraemer医生和Raman医生择期结肠切除术的患者将被邀请参与本研究。这包括机器人、腹腔镜和开腹手术。在术前区域,手术住院医师将在手术前告知患者有机会参与这项研究。住院医师将在那时征得患者同意,如果患者选择参与,他们将被随机分配到exparel组或非exparel组。随机化将通过让住院医师抽取一个信封来完成,信封上会说明患者被随机分配到exparel组还是非exparel组,每组随机分配比例为50%。患者不会被告知他们接受的是哪种局部麻醉药。主治外科医生也将对患者接受的局部麻醉药类型不知情;只有住院医师和手术室(OR)工作人员知道给予了哪种局部麻醉药。遗憾的是,exparel的不透明颜色使得注射局部麻醉药的医生无法对给予的麻醉药类型保持盲态。
患者将照常被送往手术室,手术将按常规进行。手术结束时,患者将接受exparel或布比卡因,具体取决于患者被随机分配到哪一组。在注射局部麻醉药时,主刀外科医生将不在手术室内。手术结束时,将向皮下组织注射30毫升(mL)的exparel或布比卡因。患者将被送往术后监护室(PACU),两组之间的术后镇痛药物将标准化,将使用患者自控镇痛(PCA)的标准起始剂量,并根据需要进行调整。术后护理将尽量在饮食、拔除导尿管(dc)、不使用鼻胃管(NG)等方面实现标准化,但这将基于
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。




