E-MOHS 试验:局部麻醉期间 TENS 与振动的随机对照试验
该数据集来自 clinicaltrials.gov,属于肿瘤/皮肤癌分类,主题为局部麻醉注射相关疼痛与焦虑的物理干预。E-MOHS 试验为平行组、双臂、受试者与评估者盲法的随机对照试验,纳入在局部麻醉下接受 Mohs 显微手术或皮肤科切除的成人,于手术当日首次局部麻醉给药前入组,按 1:1 随机分配

基本信息
资源简介
E-MOHS 试验:局部麻醉期间 TENS 与振动的随机对照试验
该数据集来自 clinicaltrials.gov,属于肿瘤/皮肤癌分类,主题为局部麻醉注射相关疼痛与焦虑的物理干预。E-MOHS 试验为平行组、双臂、受试者与评估者盲法的随机对照试验,纳入在局部麻醉下接受 Mohs 显微手术或皮肤科切除的成人,于手术当日首次局部麻醉给药前入组,按 1:1 随机分配至主动振动:TENS 或假 TENS。主动组电极置于无菌区外。数据可用于评估振动与经皮电刺激对程序性疼痛的缓解作用(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:疼痛、程序性疼痛、局部麻醉、Mohs 手术、皮肤癌。局部麻醉注射是 Mohs 显微手术和皮肤科手术期间疼痛和焦虑的常见来源。振动和经皮电神经刺激等物理对抗刺激方法可能通过门控疼痛调节减轻程序性疼痛。E-MOHS 试验是一项平行组、双臂、受试者和评估者盲法的随机对照试验。在局部麻醉下接受 Mohs 显微手术的成人,或在预先指定的次要人群中接受局部麻醉下皮肤科切除的成人,将在手术当天首次局部麻醉给药前入组。参与者将按 1:1 随机分配至主动振动:TENS 或假 TENS。在主动组中,粘性电极将放置在无菌区外,高频
【主题与分类】
主题标签:Pain、Procedural Pain、Local Anesthesia、Mohs Surgery、Skin Cancer。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07852455
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/NCT07852455
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:疼痛、操作性疼痛、局部麻醉、莫氏手术、皮肤癌。局部麻醉注射是莫氏显微手术和皮肤外科手术中疼痛和焦虑的常见来源。物理对抗刺激方法,如振动和经皮电神经刺激,可能通过门控疼痛调节机制减轻操作性疼痛。E-MOHS试验是一项平行组、双臂、参与者和评估者设盲的随机对照试验。在局部麻醉下接受莫氏显微手术的成人,或在预先指定的次要人群中接受局部麻醉下皮肤切除术的成人,将在手术当天、首次局部麻醉给药前入组。参与者将按1:1随机分配至主动振动:TENS或假TENS。在主动组中,粘性电极将放置在无菌区域之外,并在局部麻醉浸润期间施加高频经皮电神经刺激。手持振动装置也将应用于注射部位附近的完整皮肤。在假组中,将使用渐降至零的瞬态假TENS装置以支持设盲。
主要终点是首次麻醉给药时,在主动浸润过程中使用11点数字评定量表测量的患者报告的局麻浸润疼痛。次要结局包括使用100 mm视觉模拟量表测量的疼痛、围手术期焦虑、参与者满意度、再次使用该设备的意愿、操作者评定的易用性和无菌区兼容性、盲法完整性以及不良事件。所有研究程序均在预定的手术就诊期间进行。无需仅因研究而进行的随访。不良事件将在常规临床护理的术后标准期间进行监测。
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。




