Spirox Latera™ 植入物支撑鼻侧壁软骨（LATERAL-OR）研究
研究针对 NOSE 评分为重度至极重度的受试者，在手术室环境下接受 Spirox Latera 植入物放置，并可能同期进行鼻中隔成形术和/或下鼻甲减容术，以获取结局数据
基本信息
资源简介
Spirox Latera™ 植入物支撑鼻侧壁软骨（LATERAL-OR）研究
Spirox Latera™ Implant Support of Lateral Nasal Wall Cartilage (LATERAL-OR) Study 是一项在 clinicaltrials.gov 登记的研究数据集，归类于耳鼻咽喉疾病下的鼻塞主题。该研究聚焦于鼻阻塞（Nasal Obstruction）人群，旨在获取受试者在接受 Spirox Latera 植入物放置后的结局数据。研究对象为 NOSE 评分为重度至极重度的受试者，手术在手术室环境下进行，并可能同期实施鼻中隔成形术和/或下鼻甲减容术。数据集以鼻阻塞为核心主题标签，整体围绕该植入物对鼻侧壁软骨的支撑作用展开，为相关临床评价提供数据基础。
【数据集背景】
该数据集来源于 clinicaltrials.gov，针对的疾病领域为耳鼻咽喉疾病中的鼻塞问题。研究关注的是鼻阻塞这一症状，其背景在于部分患者存在严重的鼻腔通气障碍，NOSE 评分达到重度至极重度水平。在此类人群中，评估 Spirox Latera 植入物对鼻侧壁软骨的支撑效果，成为该研究的主要出发点。研究设计允许在放置植入物的同时，根据临床需要联合进行鼻中隔成形术和/或下鼻甲减容术，以更贴近真实手术场景的方式获取结局数据。
【数据内容】
数据集所涵盖的内容围绕受试者的结局数据展开，具体包括在手术室环境下接受 Spirox Latera 植入物放置后的相关结果。研究对象限定为 NOSE 评分为重度至极重度的鼻阻塞患者。研究还涉及是否同期进行鼻中隔成形术和/或下鼻甲减容术这一变量。除上述信息外，源站未提供更详细的数据字段、变量列表或具体测量指标。
【采集与来源】
该数据集的来源站为 clinicaltrials.gov，属于临床研究注册信息。采集场景为手术室环境，受试者在其中接受 Spirox Latera 植入物放置，并可能同期接受鼻中隔成形术和/或下鼻甲减容术。源站描述中提及该研究旨在获取结局数据，但未提供具体的采集时间点、随访安排或数据采集工具等细节。
【适用场景】
该数据集适用于耳鼻咽喉疾病尤其是鼻塞相关领域的临床研究与评价。具体而言，可用于了解在重度至极重度 NOSE 评分的鼻阻塞受试者中，Spirox Latera 植入物放置联合或不联合鼻中隔成形术和/或下鼻甲减容术时的结局数据。其适用场景以手术室环境下的干预为背景，面向对鼻侧壁软骨支撑效果感兴趣的研究者或临床评价人员。
【使用方法】
源站未提供该数据集的具体使用方法，包括访问方式、数据提取途径或分析建议等均未在现有信息中说明。
【质量与限制】
源站未提供关于数据质量与限制的说明，例如样本量、数据完整性、偏倚控制或局限性等信息均未涉及。
【引用与许可】
源站未提供引用格式与许可条款的相关信息。
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/NCT02952313
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：鼻塞。本研究旨在获取严重至极重度NOSE评分的受试者在手术室环境下接受Spirox Latera植入物置入术，伴或不伴同期鼻中隔成形术和/或鼻甲减容术的治疗结果数据。
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。
