腹壁平面阻滞对术后恢复质量的影响
该数据集来自clinicaltrials.gov,聚焦腹腔镜腹股沟疝修补术后的疼痛管理与恢复质量评估。覆盖腹腔镜疝修补、术后镇痛、区域麻醉及QoR-15恢复质量量表等主题,涉及围术期疼痛管理对早期活动、副作用、住院时长、患者满意度及慢性术后疼痛的影响

基本信息
资源简介
腹壁平面阻滞对术后恢复质量的影响
该数据集来自clinicaltrials.gov,聚焦腹腔镜腹股沟疝修补术后的疼痛管理与恢复质量评估。覆盖腹腔镜疝修补、术后镇痛、区域麻醉及QoR-15恢复质量量表等主题,涉及围术期疼痛管理对早期活动、副作用、住院时长、患者满意度及慢性术后疼痛的影响。可用于研究腹壁平面阻滞对术后恢复质量的作用,分析疼痛程度、镇痛方式与恢复质量的关系,并支持患者满意度相关测量工具的应用探索(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:腹腔镜腹股沟疝修补术、恢复质量(QoR-15)、术后镇痛、区域麻醉。腹腔镜手术广泛用于腹股沟疝修补,但可引起中度至重度术后疼痛。围术期疼痛管理对于确保患者早期活动、减少术后副作用和住院时长、提高患者满意度以及预防术后慢性疼痛的发生至关重要。术后恢复质量受多种因素影响,如患者术前特征、手术类型、术后疼痛程度和镇痛方法。近年来,除了评估术后恢复质量经典参数的传统量表外,还开发了关注患者满意度的新测量工具。O
【主题与分类】
主题标签:Laparoscopic Inguinal Hernia Repair、Quality of Recovery (QoR-15)、Postoperative Analgesia、Regional Anesthesia。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06753240
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/NCT06753240
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:腹腔镜腹股沟疝修补术、恢复质量(QoR-15)、术后镇痛、区域麻醉。腹腔镜手术广泛应用于腹股沟疝修补,但可引起中度至重度术后疼痛。围手术期疼痛管理对于确保患者早期活动、减少术后副作用和住院时间、提高患者满意度以及预防术后慢性疼痛的发生至关重要。术后恢复质量受多种因素影响,如患者术前特征、手术类型、术后疼痛程度及镇痛方法等。近年来,在评估术后恢复质量时,除了测量经典参数的传统量表外,还开发了关注患者满意度的新测量工具。其中之一是恢复质量-15(QoR-15)量表,欧洲麻醉学会推荐将其用于研究术后患者舒适度和疼痛水平的临床研究。
该量表包含15个问题,涵盖五个不同领域,从多个角度评估术后恢复情况:疼痛、身体舒适度、身体独立性、心理支持和情绪状态。结果为0至150分之间的评分,分数越高表示恢复质量越好。超声(USG)引导下的腹部平面阻滞是多模式镇痛的重要组成部分,因其易于应用、能够提供持久的术后镇痛以及减少阿片类药物用量的潜力。多种区域麻醉技术可用于腹腔镜腹股沟疝修补术(经腹腹膜前入路-TAPP)后的疼痛控制。其中一些技术包括腹横肌平面(TAP)阻滞和软骨膜入路改良胸腹平面(m-TAPA)阻滞。TAP阻滞在腹内斜肌与腹横肌之间的神经筋膜平面内进行,形成皮节
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。




