良性肛周疾病术后女性性功能研究
该数据集来自 clinicaltrials.gov,围绕良性肛周疾病(慢性肛裂、痔病、隐腺性肛瘘)术后女性性功能开展单中心前瞻性观察性队列研究,实施机构为 Gazi University Faculty of Medicine

基本信息
资源简介
良性肛周疾病术后女性性功能研究
该数据集来自 clinicaltrials.gov,围绕良性肛周疾病(慢性肛裂、痔病、隐腺性肛瘘)术后女性性功能开展单中心前瞻性观察性队列研究,实施机构为 Gazi University Faculty of Medicine。女性性功能受生理、心理和社会因素影响,良性肛周疾病可通过慢性疼痛、出血、分泌物、脱垂、不适、尴尬及生活质量下降损害性功能;既往研究显示肛门直肠疾病患者性功能受损,男性术后性功能有改善,但女性术后前瞻性数据仍稀缺。该数据可用于分析术后女性性功能变化及相关影响因素(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:慢性肛裂、痔病、隐腺性肛瘘。女性性功能是一个受生理、心理和社会因素影响的多维概念。良性肛周疾病是常见的外科疾病,可能通过慢性疼痛、出血、分泌物、脱垂、不适、尴尬和生活质量下降对性功能产生不利影响。既往研究表明肛门直肠疾病患者存在性功能受损。此外,已有报道称良性肛门直肠疾病手术治疗后男性性功能改善。然而,关于良性肛周疾病手术治疗后女性性功能的前瞻性数据仍然稀缺。这项单中心前瞻性观察性队列研究将在 Gazi University Faculty of Medicine 进行。性活跃女性年龄
【主题与分类】
主题标签:Chronic Anal Fissure、Hemorrhoidal Disease、Cryptoglandular Anal Fistula。本站分类:精神与行为障碍。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07666035
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/NCT07666035
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:慢性肛裂、痔病、隐腺性肛瘘。女性性功能是一个多维概念,受生理、心理和社会因素影响。良性肛周疾病是常见的外科疾病,可能通过慢性疼痛、出血、分泌物、脱垂、不适、尴尬和生活质量下降对性功能产生不良影响。既往研究表明,肛门直肠疾病患者存在性功能受损。此外,已有报道显示良性肛门直肠疾病手术治疗后男性性功能改善。然而,关于良性肛周疾病手术治疗后女性性功能的前瞻性数据仍然匮乏。这项单中心前瞻性观察性队列研究将在Gazi University Faculty of Medicine进行。将纳入因慢性肛裂、痔病或隐腺性肛瘘接受手术、年龄18至70岁且有性生活的女性。
参与者将在术前及术后3个月和6个月完成女性性功能指数(FSFI)、克利夫兰诊所失禁评分(CCIS/Wexner)和视觉模拟量表(VAS)问卷。主要结局指标为FSFI总分从基线至术后6个月的变化。次要结局指标包括术后3个月FSFI的变化、CCIS和VAS评分的变化,以及根据疾病类型和症状严重程度进行的亚组分析。研究者假设,良性肛周疾病的手术治疗成功将显著改善女性性功能,且这种改善与疼痛及疾病相关症状的减轻相关。
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。




