基于移动端的围手术期教育对根治性前列腺切除术后尿失禁与勃起功能的影响
该数据集来自 clinicaltrials.gov,聚焦根治性前列腺切除术后患者,覆盖前列腺癌(术后)、尿失禁及术后勃起功能障碍等主题

基本信息
资源简介
基于移动端的围手术期教育对根治性前列腺切除术后尿失禁与勃起功能的影响
该数据集来自 clinicaltrials.gov,聚焦根治性前列腺切除术后患者,覆盖前列腺癌(术后)、尿失禁及术后勃起功能障碍等主题。源站描述指出,结构化围手术期教育与康复受时间、费用、出行负担及专业支持可及性限制,移动健康干预或可提供可及、可扩展的教育、运动指导、提醒与随访支持。该研究旨在评估基于移动端的围手术期教育项目的有效性。数据可用于术后功能康复相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:前列腺癌(前列腺切除术后)、尿失禁(UI)、根治性前列腺切除术后勃起功能障碍。前列腺癌是男性最常见的恶性肿瘤之一,根治性前列腺切除术是局限性病变的主要治愈性治疗选择。然而,尿失禁和勃起功能障碍仍是影响患者功能恢复和生活质量的最重要术后并发症。由于时间、费用、出行负担以及专业支持渠道受限,获得结构化的围手术期教育和康复可能受到限制。基于移动健康的干预措施可能为提供围手术期教育、运动指导、提醒和随访支持提供一种可及且可扩展的途径。本研究旨在评估基于移动端的围手术期教育项目的有效性。
【主题与分类】
主题标签:Prostate Cancer (Post Prostatectomy)、Urinary Incontinence (UI)。本站分类:肿瘤/前列腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07520916
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/NCT07520916
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:前列腺癌(前列腺切除术后)、尿失禁(UI)、根治性前列腺切除术后勃起功能障碍。前列腺癌是男性最常见的恶性肿瘤之一,根治性前列腺切除术是局限性前列腺癌的主要治愈性治疗选择。然而,尿失禁和勃起功能障碍仍是影响患者功能恢复和生活质量的最重要术后并发症。由于时间、费用、出行负担以及获得专业支持途径受限,患者可能难以获得结构化的围手术期教育和康复服务。基于移动健康的干预措施可能提供一种可及且可扩展的方法,用于提供围手术期教育、运动指导、提醒和随访支持。本研究旨在评估基于移动设备的围手术期教育项目对接受根治性前列腺切除术患者的有效性。参与者将被分配到干预组或对照组。
干预组将在常规围手术期护理的基础上,接受一项结构化的基于移动应用程序的项目,内容包括视频辅助的盆底肌训练、围手术期教育内容、提醒通知和随访支持。对照组将接受常规围手术期护理和标准患者教育。数据将在四个时间点收集:术前、拔除导尿管后、术后1个月和术后3个月。研究的主要结局为术后尿失禁和勃起功能。尿失禁将采用国际尿失禁咨询问卷简表(ICIQ-SF)和24小时尿垫评估进行评估。勃起功能将采用国际勃起功能指数-5(IIEF-5)进行评估。次要结局将包括下尿路症状和疾病特异性生活质量(采用国际前列腺症状评分(IPSS)评估)、心理状态(采用抑郁焦虑压力量表-21(DASS-21)评估)以及可用性
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。




