胃分隔术对比传统胃空肠吻合术治疗恶性胃出口梗阻的多中心随机对照试验
该数据集来自 clinicaltrials.gov,聚焦胃癌所致恶性胃出口梗阻的外科治疗比较。研究为前瞻性、多中心、随机、开放标签、优效性试验,设盲法结局评估,在中国广西三家三级转诊医院开展,协调中心为广西医科大学附属肿瘤医院

基本信息
资源简介
胃分隔术对比传统胃空肠吻合术治疗恶性胃出口梗阻的多中心随机对照试验
该数据集来自 clinicaltrials.gov,聚焦胃癌所致恶性胃出口梗阻的外科治疗比较。研究为前瞻性、多中心、随机、开放标签、优效性试验,设盲法结局评估,在中国广西三家三级转诊医院开展,协调中心为广西医科大学附属肿瘤医院。符合条件的受试者按1:1随机分配接受胃分隔术(SPGJ)或传统胃空肠吻合术(CGJ),采用计算机生成的分组序列,按参研中心分层,区组大小可变,分配序列由独立统计师集中生成并通过集中、密码保护的随机化系统实施,分配隐藏。数据可用于评估两种术式在恶性胃出口梗阻患者中的疗效比较(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:胃癌、胃出口梗阻。这是一项前瞻性、多中心、随机、开放标签的优效性试验,采用盲法结局评估,在中国广西的三家三级转诊医院(广西医科大学附属肿瘤医院、梧州市红十字会医院和广西医科大学武鸣医院)开展。协调中心为广西医科大学附属肿瘤医院。符合条件的参与者将按1:1比例随机分配接受胃分隔术(SPGJ)或传统胃空肠吻合术(CGJ),使用计算机生成的分组序列,区组大小可变,按参研中心分层。分配序列将由独立统计师集中生成,并通过集中、密码保护的随机化系统实施。分配将保持隐藏,直
【主题与分类】
主题标签:Gastric Cancer、Gastric Outlet Obstruction。本站分类:肿瘤/胃癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07561073
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/NCT07561073
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
疾病:胃癌、胃出口梗阻。这是一项前瞻性、多中心、随机、开放标签的优效性试验,采用盲法结局评估,在中国广西的三家三级转诊医院(广西医科大学附属肿瘤医院、梧州市红十字会医院和广西医科大学附属武鸣医院)开展。协调中心为广西医科大学附属肿瘤医院。符合条件的受试者将按1:1比例随机分配接受胃分隔胃空肠吻合术(SPGJ)或传统胃空肠吻合术(CGJ),采用计算机生成的分配序列,区组大小可变,按参与中心分层。分配序列将由独立统计学家集中生成,并通过集中式、密码保护的随机化系统实施。在确认合格性并获得书面知情同意之前,分配将保持隐藏。手术操作无法设盲。
结局评估者(包括评估主要终点的放射科医师)、收集患者报告结局的研究人员以及进行预设分析的统计学家将对治疗分组设盲。两组均优先采用腹腔镜入路,并常规进行诊断性腹腔镜检查以确认手术适合性。胃肠道重建将采用标准化的等蠕动构型;不进行Braun肠肠吻合术和Roux-en-Y重建。在SPGJ组中,将使用直线切割吻合器进行部分胃横断,从胃大弯开始,在胃体与胃窦交界处或距肿瘤上缘约5 cm处,沿胃小弯保留2-3 cm宽的胃通道。将在近端胃段大弯侧后壁与空肠对系膜缘之间构建侧侧胃空肠吻合。
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。

![[225Ac]-FPI-2068在晚期实体瘤成人患者中的1期剂量递增研究](/medical-api/medicalDataset/datasetCover/42245.jpg)


