IMPACT研究:疝手术后个性化物理治疗促进康复与核心强化
源站描述指出腹壁疝修补术常见,术后标准护理未涵盖神经肌肉、生物力学与心理社会维度,ACH持续缺陷可导致慢性疼痛、功能受限、生活质量下降和疝复发,且接受物理治疗者比例低

基本信息
资源简介
IMPACT研究:疝手术后个性化物理治疗促进康复与核心强化
该数据集来自clinicaltrials.gov,围绕腹壁疝修补术后的个性化物理治疗与腹壁核心健康(ACH)展开,覆盖Ventral Hernia、Ventral Incisional Hernia及Post Operative Pain人群。源站描述指出腹壁疝修补术常见,术后标准护理未涵盖神经肌肉、生物力学与心理社会维度,ACH持续缺陷可导致慢性疼痛、功能受限、生活质量下降和疝复发,且接受物理治疗者比例低。数据可用于术后康复与核心健康相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:腹壁疝、腹壁切口疝、术后疼痛。背景与理由:腹壁疝修补术(VHR)是美国最常见普外科手术之一,每年完成超过600,000例修补。标准术后护理包括活动限制和腹带,针对组织愈合,但不涉及腹壁核心健康(ACH)的神经肌肉、生物力学或心理社会维度。持续的ACH缺陷导致慢性疼痛、功能受限、生活质量受损和疝复发。在一个包含587,384名腹壁疝患者的全国人群队列中,择期修补与肠梗阻风险降低相关,但与更少的功能性ACH诊断无关,且仅16.3%的修补患者接受了任何物理治疗(PT)。真正的临床均势存在于
【主题与分类】
主题标签:Ventral Hernia、Ventral Incisional Hernia、Post Operative Pain。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07145099
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/NCT07145099
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
适应症:腹壁疝、腹壁切口疝、术后疼痛。背景与依据:腹壁疝修补术(VHR)是美国最常见的外科手术之一,每年实施超过60万例。标准术后护理包括活动限制和腹带使用,主要针对组织愈合,但未涵盖腹部核心健康(ACH)的神经肌肉、生物力学或心理社会维度。持续的ACH缺陷可导致慢性疼痛、功能受限、生活质量受损及疝复发。在一项基于全国人群的587,384例腹壁疝患者队列中,择期修补与肠梗阻风险降低相关,但并未减少功能性ACH诊断,且仅16.3%的修补患者接受了任何物理治疗(PT)。关于VHR后结构化PT,目前存在真正的临床均衡。
合理的机制和观察性信号提示可能存在获益,但尚无随机试验报告结果;外科医生通常出于对早期负重可能损害修复完整性的担忧而建议限制活动;结构化PT在康复期间带来成本和负担。一项确定性试验是有必要的,但在五项操作层面的不确定性得到解决之前,无法负责任地设计该试验:入组观察性队列的VHR术后患者是否会接受随机分组;开发者以外的临床医生能否忠实执行适应性方案;参与者能否坚持六次面对面治疗,并在盲法12周评估中保持随访;随机入组能否与一个少数族裔比例显著偏高且享有公共保险的手术人群实现对等;以及评估组合和被动电子健康记录(EHR)随访能否在该人群中收集。本试点随机可行性试验旨在解决这些不确定性。与NCCIH PAR-25-274一致,该试验不设疗效目标,不对临床结局进行假设检验,也不设效应量
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。




