MOWOOT设备治疗成人慢性便秘
本数据集来自clinicaltrials.gov，围绕MOWOOT设备治疗成人慢性便秘的随机对照试验。覆盖功能性便秘、便秘型肠易激综合征、慢性特发性便秘、神经源性便秘及便秘等类型
基本信息
资源简介
MOWOOT设备治疗成人慢性便秘
本数据集对应一项在clinicaltrials.gov登记的随机对照试验，英文名称为“MOWOOT Device Treatment for Adults With Chronic Constipation”，中文可理解为“MOWOOT设备治疗成人慢性便秘”。该试验聚焦于成人慢性便秘人群，评估MOWOOT设备治疗相关的临床效果与成本效果。研究覆盖的便秘类型包括功能性便秘、便秘型肠易激综合征、慢性特发性便秘、神经源性便秘以及便秘这一总称。试验采用随机对照设计，临床效果通过定量与定性变量进行评估，成本效果则通过经济学结局进行衡量。数据集在分类上归属于神经系统疾病下的其他类别，主题标签与上述便秘类型一致，整体围绕MOWOOT设备在成人慢性便秘治疗中的应用展开。
【数据集背景】
该数据集来源于clinicaltrials.gov，所对应的研究是一项随机对照试验，旨在评估MOWOOT设备用于治疗成人慢性便秘的效果。涉及的病症范围较广，包括功能性便秘、便秘型肠易激综合征、慢性特发性便秘、神经源性便秘以及便秘。研究同时关注临床效果与成本效果两个维度，其中临床效果通过定量和定性变量加以评估，成本效果通过经济学结局进行衡量。数据集在分类体系中归入神经系统疾病下的其他类别，主题标签与上述便秘相关病症保持一致。
【数据内容】
数据集所涵盖的主题标签包括：功能性便秘、便秘型肠易激综合征、慢性特发性便秘、神经源性便秘以及便秘。研究关注的核心内容为MOWOOT设备治疗成人慢性便秘的临床效果与成本效果。临床效果的评估方式包括定量变量与定性变量，成本效果的评估方式为经济学结局。除上述信息外，源站未提供更细化的数据字段、变量清单或具体指标说明。
【采集与来源】
该数据集来自clinicaltrials.gov。源站描述指出，这是一项随机对照试验，用于评估MOWOOT设备治疗成人慢性便秘的临床效果与成本效果。关于具体的采集时间、采集地点、样本量、随访周期、数据采集流程等信息，源站未提供。
【适用场景】
基于现有信息，该数据集适用于与成人慢性便秘相关的临床研究场景，尤其是围绕MOWOOT设备治疗的随机对照试验。其覆盖的病症类型包括功能性便秘、便秘型肠易激综合征、慢性特发性便秘、神经源性便秘以及便秘，因此可用于关注上述便秘类型的临床效果评估与成本效果分析。关于更具体的适用场景，如特定科室、特定人群分层或特定经济评价模型，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、访问权限、数据结构说明、分析步骤或配套工具等。
【质量与限制】
该数据集对应的研究为随机对照试验，其临床效果通过定量与定性变量评估，成本效果通过经济学结局评估。关于数据质量的具体评价、样本代表性、偏倚控制、缺失数据处理方式以及研究局限性等信息，源站未提供。
【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/NCT04666155
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：功能性便秘、便秘型肠易激综合征、慢性特发性便秘、神经源性便秘、便秘。该随机对照试验将通过定量和定性变量评估临床有效性，并通过经济结果评估成本效益。
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。
