ARMSTRONG:不可扩张肺中空气夹带与标准治疗对比
该数据集来自 clinicaltrials.gov,主题为不可扩张肺(NEL)患者胸腔积液引流中空气夹带与标准引流的对比研究

基本信息
资源简介
ARMSTRONG:不可扩张肺中空气夹带与标准治疗对比
该数据集来自 clinicaltrials.gov,主题为不可扩张肺(NEL)患者胸腔积液引流中空气夹带与标准引流的对比研究。源站描述涵盖研究背景、主要目标(比较空气夹带与标准引流的疼痛缓解效果)和次要目标(比较引流量、重复引流时间、并发症发生率及患者满意度),并提及采用5点Likert量表问卷评估患者术前、术中、术后及整体护理体验。数据可用于呼吸系统疾病相关研究,支持疼痛控制、引流管理及患者体验等方向的探索(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:不可扩张肺、陷闭肺、胸腔积液、恶性胸腔积液(Mpe)。背景与理由:胸腔积液引流过程中的空气夹带可能改善不可扩张肺(NEL)患者的疼痛控制、增加液体移除量并减少重复操作。一项本地评估显示,其疼痛缓解优于阿片类药物且无不良事件。本研究在NEL中比较空气夹带与标准引流。目标:主要:确定空气夹带是否较标准引流提供更优的疼痛缓解。次要:比较引流量、重复引流时间、并发症发生率(感染、低血压、漏气、持续性疼痛)及患者满意度。问卷从四个方面评估患者体验:术前、术中、术后和整体护理。每个条目采用5点Likert量表。术前:
【主题与分类】
主题标签:Non-expandable Lung、Trapped Lung、Pleural Effusion、Malignant Pleural Effusions (Mpe)。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06959719
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/NCT06959719
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:非扩张性肺、陷闭肺、胸腔积液、恶性胸腔积液(MPE)。背景与理由:在非扩张性肺(NEL)患者中,胸腔积液引流时引入空气可能改善疼痛控制、增加液体移除量并减少重复操作。本地评估显示,其疼痛缓解优于阿片类药物,且无不良事件。本研究在NEL患者中比较空气引入与标准引流。目的:主要:确定空气引入是否较标准引流提供更优的疼痛缓解。次要:比较引流量、至重复引流时间、并发症发生率(感染、低血压、漏气、持续性疼痛)及患者满意度。问卷从四个方面评估患者体验:操作前、操作中、操作后及整体护理。各条目采用5点Likert量表。操作前:对信息、理解、安排及沟通的满意度。操作中:舒适度、疼痛管理、工作人员专业性及隐私。操作后:后续护理清晰度、症状控制及随访。整体:总体满意度及推荐可能性。
研究设计:在剑桥大学医院开展的前瞻性、双盲、随机干预研究(2:1比例)。所有接受胸腔穿刺术的患者均将接受筛查;仅对确诊为非扩张性肺(NEL)的患者进行分析。随机化:患者将按2:1(干预组:对照组)随机分组,以最大化干预暴露。分配对患者和VAS评估者均设盲。人群:纳入标准:年龄≥18岁、疑似/确诊NEL且持续胸腔积液并接受胸腔穿刺术的成人;英语使用者且能够知情同意。排除标准:既往胸膜固定术、活动性感染、基线VAS≥5、需要IPC、存在禁忌证或无法知情同意。样本量:41例NEL患者(27例干预组,14例对照组),并考虑30%的脱落率。以VAS差异3.4 cm(SD 3.1)进行效能计算,power=0.8,alpha=0.05。在入组7例对照组和14例干预组患者后进行中期分析。干预措施:I
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。




