全喉切除术患者嗅觉康复中的机械与感觉训练
该数据集来自 clinicaltrials.gov，聚焦全喉切除术患者的嗅觉康复，涉及认知老化、嗅觉减退与全喉切除术人群
基本信息
资源简介
全喉切除术患者嗅觉康复中的机械与感觉训练
该数据集英文名为 Mechanical and Sensorial Training in the Olfactive Rehabilitation of Patients With Total Laryngectomy，来源于 clinicaltrials.gov，主题聚焦全喉切除术患者的嗅觉康复。数据集涉及认知老化、嗅觉减退与全喉切除术三类主题标签，所属分类为神经系统疾病下的其他类别。源站描述显示，该研究旨在评估两种嗅觉康复方案——鼻腔气流诱导手法（NAIM）联合或不联合嗅觉训练——对全喉切除术患者嗅觉功能（嗅棒测试）及生活质量（Self-MOQ 问卷与 EORTC QLQ-H&N35 问卷）的疗效。整体而言，该数据集围绕全喉切除术后嗅觉障碍的康复干预展开，覆盖认知老化与嗅觉减退相关人群，为相关临床研究与康复实践提供数据参考。
【数据集背景】
全喉切除术是治疗喉部病变的重要手术方式，术后患者的上呼吸道结构发生改变，鼻腔气流模式受到显著影响，常伴随嗅觉功能下降或嗅觉减退。与此同时，认知老化因素也可能参与嗅觉功能的改变过程。该数据集所对应的研究正是在这一背景下提出，关注全喉切除术患者的嗅觉康复问题，并比较两种康复方案的效果差异：一种为鼻腔气流诱导手法（NAIM），另一种为鼻腔气流诱导手法联合嗅觉训练。研究同时将嗅觉功能与生活质量作为疗效评估的两个维度，体现出对患者术后功能恢复与整体生活状态的综合关注。
【数据内容】
依据源站描述，该数据集涉及的条件包括认知老化、嗅觉减退与全喉切除术。研究关注的干预内容为两种嗅觉康复方案，即鼻腔气流诱导手法（NAIM）单独使用，以及该手法与嗅觉训练联合使用。疗效评估指标包括嗅觉功能与生活质量两方面：嗅觉功能通过嗅棒测试（sniffing stick test）进行评估；生活质量通过 Self-MOQ 问卷与 EORTC QLQ-H&N35 问卷进行评估。主题标签包括认知老化、嗅觉减退与全喉切除术。除上述内容外，数据集的具体样本量、变量字段、随访时间点等信息源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov，属于临床试验注册信息相关数据。其源站描述以研究条件、研究目的与评估工具的形式呈现，说明该数据与一项针对全喉切除术患者嗅觉康复的临床研究相关联。关于数据采集的具体机构、采集地点、采集时间范围以及数据收集流程等细节，源站未提供。
【适用场景】
该数据集适用于与全喉切除术后嗅觉康复相关的研究与应用场景，包括对鼻腔气流诱导手法及嗅觉训练等康复方案效果的比较分析，对嗅觉功能评估工具（嗅棒测试）与生活质量评估工具（Self-MOQ、EORTC QLQ-H&N35）应用情况的研究，以及围绕认知老化、嗅觉减退与全喉切除术人群的临床研究参考。其分类归属为神经系统疾病下的其他类别，也可作为相关主题检索与数据整合的参考来源。具体适用场景的边界与限制，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据获取方式、数据结构说明、字段定义及分析建议等均未在源站描述中体现。
【质量与限制】
源站未提供该数据集的质量评估信息与使用限制说明。数据的具体完整性、准确性、样本代表性及潜在偏倚等信息均未在源站描述中涉及。
【引用与许可】
源站未提供该数据集的引用方式与许可信息。
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/NCT07122037
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：认知老化、嗅觉减退、全喉切除术。评估两种嗅觉康复方案（鼻腔气流诱导手法（NAIM）联合或不联合嗅觉训练）对全喉切除术患者嗅觉功能（嗅棒测试）和生活质量（自评嗅觉问卷Self-MOQ和EORTC QLQ-H&N35）的疗效。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
