腹腔镜混合手术与全开腹手术治疗可切除同时性结直肠癌肝转移的结局
疾病：可切除同时性结直肠癌肝转移。同时性结直肠癌肝转移（SCRLM）是结直肠癌预后不良的危险因素之一。对于可切除的 SCRLM 患者，手术切除原发灶和转移灶是首选治疗
基本信息
资源简介
腹腔镜混合手术与全开腹手术治疗可切除同时性结直肠癌肝转移的结局
该数据集英文名为 The Outcomes of Laparoscopic Hybrid Surgery Versus Totally Open Surgery，聚焦于可切除同时性结直肠癌肝转移（Resectable Simultaneous Colorectal Cancer Liver Metastasis，SCRLM）的外科治疗比较研究。同时性结直肠癌肝转移是结直肠癌预后不良的危险因素之一，对于可切除的 SCRLM 患者，手术切除原发灶和转移灶是首选治疗方式。完全开腹手术（TOS）同期切除结直肠癌肝转移已被广泛采用，而该研究提出腹腔镜混合手术（LHS）可能在短期与长期结局方面具有更优表现，旨在比较 LHS 与 TOS 在可切除 SCRLM 患者中的安全性、短期疗效与长期疗效。数据集来源于 clinicaltrials.gov，本站归类为肿瘤 / 其他，主题标签为可切除同时性结直肠癌肝转移。
【数据集背景】
同时性结直肠癌肝转移是结直肠癌预后不良的危险因素之一。对于可切除的 SCRLM 患者，手术切除原发灶和转移灶是首选治疗。完全开腹手术同期切除结直肠癌肝转移已在临床广泛使用。在此背景下，该研究提出腹腔镜混合手术可能具有更好的短期和长期结局，因而设计研究以比较两种术式的安全性与疗效，该数据集即围绕这一比较研究形成。
【数据内容】
数据集主题为可切除同时性结直肠癌肝转移，研究内容为腹腔镜混合手术与完全开腹手术的比较，关注的安全性、短期疗效与长期疗效三类结局指标。具体变量、样本量、分组规模、随访时长及统计结果等详细数据内容，源站未提供。
【采集与来源】
数据来源站为 clinicaltrials.gov，本站分类为肿瘤 / 其他。源站描述显示该研究针对可切除同时性结直肠癌肝转移患者，比较 LHS 与 TOS 的安全、短期和长期疗效。具体的采集时间、采集机构、研究中心数量及数据提取流程，源站未提供。
【适用场景】
该数据集适用于围绕可切除同时性结直肠癌肝转移外科治疗决策的研究与参考，例如比较腹腔镜混合手术与完全开腹手术在安全性、短期和长期疗效方面的差异，或用于了解该领域临床研究的设计思路。其他具体应用场景，源站未提供。
【使用方法】
源站未提供具体的使用方法说明，包括数据访问方式、字段说明、分析建议等均未提及。
【质量与限制】
源站未提供关于数据质量、完整性、偏倚控制及使用限制的说明。使用时应以源站描述所界定的研究范围为准，即仅针对可切除同时性结直肠癌肝转移患者中 LHS 与 TOS 的比较。
【引用与许可】
源站未提供引用格式与许可信息。
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/NCT06550700
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：可切除的同时性结直肠癌肝转移。同时性结直肠癌肝转移（SCRLM）是结直肠癌预后不良的危险因素之一。对于可切除的SCRLM患者，手术切除原发灶和转移灶是首选治疗方法。全开腹手术（TOS）同时切除结直肠癌肝转移灶已被广泛应用。然而，我们提出腹腔镜杂交手术（LHS）可能具有更好的短期和长期结局。本研究旨在比较LHS与TOS用于可切除SCRLM患者的安全性、短期和长期疗效。
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。
