手术时机对肛瘘结局的影响
本数据集来自 clinicaltrials.gov，为一项前瞻性队列研究，评估从症状出现到手术干预的时间间隔是否影响肛瘘的关键临床结局
基本信息
资源简介
手术时机对肛瘘结局的影响
本数据集来自 clinicaltrials.gov，为一项前瞻性队列研究，评估从症状出现到手术干预的时间间隔是否影响肛瘘的关键临床结局。研究计划纳入 90 例患者，均分为三组，每组 30 例，样本量基于 G*power 软件估算，假设 alpha 为 0.05、power 为 0.80、组间中等效应量差异为 0.3，采用单因素方差分析。主要暴露变量为症状出现日期与手术日期之间的精确天数间隔，症状出现日期来自门诊记录、急诊记录或初级保健转诊。数据可用于分析手术时机与肛瘘结局的关系（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：病症：肛瘘手术、肛瘘、手术时机。这项前瞻性队列研究评估从症状出现到手术干预的持续时间是否影响肛瘘的关键临床结局。估计所需样本量为 90 例患者，平均分配，三组每组 30 例。该样本量使用 Gpower 软件计算，假设 alpha 为 0.05、power 为 0.80，并假设组间存在中等效应量差异（0.3），采用单因素方差分析检验。研究程序与数据收集： 时间测量：主要暴露变量是通过从手术日期中减去记录的症状出现日期计算出的精确间隔天数。该出现日期从初始门诊记录、急诊科记录或初级保健转诊中获取。* 术前评估：磁共
【主题与分类】
主题标签：Anal Fistula Surgery、Anal Fistula、Surgery Timing。本站分类：症状、体征与临床所见。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07482241
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/NCT07482241
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：肛瘘手术、肛瘘、手术时机。本前瞻性队列研究旨在评估从症状出现到手术干预的时间是否影响肛瘘的关键临床结局。估计所需样本量为90名患者，均匀分布，三组各30名患者。该样本量使用Gpower软件计算，假设α为0.05，检验效能为0.80，并使用单因素方差分析检验假设组间存在中等效应量差异（0.3）。研究程序与数据收集： 时间测量：主要暴露变量是通过从手术日期减去记录的症状出现日期计算得出的精确间隔天数。该症状出现日期从初次门诊记录、急诊科记录或初级保健转诊中获取。* 术前评估：将使用磁共振成像（MRI）根据Park分类法（由St. James University Hospital扩展）对瘘管的复杂性进行分类，并使用Goodsall规则记录外口位置。
- 术中方案：在麻醉下进行检查（EUA）并探通瘘管后，将实施手术干预。研究人员将记录手术类型、手术时间、估计失血量、括约肌切开范围以及任何术中发现。* 术后监测：将在6小时、12小时、24小时、1周、2周以及第1、3、6和12个月的门诊随访时，使用10厘米视觉模拟量表（VAS）评估疼痛。将使用Wexner克利夫兰诊所大便失禁评分评估大便失禁，临床显著恶化定义为增加2分或以上。将通过直肠指检和直肠镜检查确认临床愈合。
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。
