非阿片类多模式镇痛方案依从性与胸科手术后住院时长关联数据集
该数据集来自单中心回顾性一年队列研究,纳入29例ASA 2-4级胸科手术患者,记录非阿片类多模式镇痛(NOMA)方案的依从与违背情况、围手术期变量及住院时长

基本信息
资源简介
非阿片类多模式镇痛方案依从性与胸科手术后住院时长关联数据集
Data for: Adherence to non-opioid multimodal analgesia (NOMA) protocol is associated with a shorter length of stay after thoracic surgery
该数据集来自单中心回顾性一年队列研究,纳入29例ASA 2-4级胸科手术患者,记录非阿片类多模式镇痛(NOMA)方案的依从与违背情况、围手术期变量及住院时长。数据可用于分析NOMA依从性与术后住院时长的关联,探索镇痛方案执行对胸科手术恢复的影响,适合回归或关联性研究(来源 DOI 解析)。
【数据集背景】
源站首次发布:2019。
【数据内容】
源站描述(机器翻译,仅供参考):研究目的:回顾胸科手术后患者接受非阿片类多模式镇痛(NOMA)的结局。设计:回顾性一年队列。地点:单家医院,一级创伤中心。患者:29例ASA 2-4级患者,接受由单一外科医生实施的开胸术(8例)、开胸肺活检或电视辅助胸腔镜手术(VATS)。干预:NOMA方案包括每3小时交替静脉注射对乙酰氨基酚与酮咯酸(各自每6小时一次,后转为口服对乙酰氨基酚和布洛芬),并持续低剂量(0.05mg/kg/h)静脉输注氯胺酮直至拔除胸管。术后第一天起不常规处方阿片类药物。测量:通过病历回顾探索NOMA依从与违背(24小时内需要超过2次阿片类药物补救剂量)率及其与围手术期变量和住院时长的关联。主要结果:中位数(IQR)po
【主题与分类】
主题标签:Thoracic Surgery、Opioid、Acetaminophen、Postoperative Analgesia、Ketamine。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://data.mendeley.com/datasets/tfx9bnf86z
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://doi.org/10.17632/tfx9bnf86z
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:
数据集大小约 394.6 KB。
数据说明
研究目的:回顾胸外科手术后患者采用非阿片类多模式镇痛(NOMA)的结局。设计:回顾性一年队列研究。环境:单家医院,一级创伤中心。患者:29例ASA 2-4级患者,术后接受开胸术(8例)、开胸肺活检或电视辅助胸腔镜手术(VATS),均由同一位外科医生操作。干预:NOMA方案包括静脉注射对乙酰氨基酚与酮咯酸交替给药,每3小时一次(各自每6小时一次,后转为口服对乙酰氨基酚和布洛芬),并持续静脉输注低剂量(0.05mg/kg/h)氯胺酮直至拔除胸管。自术后第一天起不常规处方阿片类药物。测量指标:通过病历回顾探讨NOMA依从性与违反情况(24小时内需要>2次阿片类药物补救剂量)的发生率及其与围手术期变量和住院时长的关联。主要结果:术后阿片类药物需求量的中位数(IQR)为每次住院3(0-6)剂。7/29例患者(CI 10-44%)在24小时内需要>2次阿片类药物补救剂量。阿片类药物补救需求与较低的BMI以及在恢复室使用氢吗啡酮而非吗啡相关。
29名患者中有3名在出院时被开具阿片类药物。随访时无患者需要使用阿片类药物,63%的患者无疼痛。NOMA依从组的中位住院时间为3天(2-5.25天),阿片类药物救援组为9天(6-11天)(P=0.002)。在亚组分析中,住院时间的缩短仅限于非开胸患者。
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。




