双侧胸腔镜交感神经切除术治疗原发性局灶性多汗症的结果
该数据集来自 clinicaltrials.gov，聚焦原发性局灶性多汗症（PFH）患者接受双侧胸腔镜交感神经切除术（BTS）后的结局评估
基本信息
资源简介
双侧胸腔镜交感神经切除术治疗原发性局灶性多汗症的结果
该数据集英文名为 Outcome Of Bilateral Thoracoscopic Sympathectomy for Patients With Primary Focal Hyperhidrosis，来源于 clinicaltrials.gov，主题聚焦原发性局灶性多汗症（Primary Focal Hyperhidrosis，PFH）患者接受双侧胸腔镜交感神经切除术（Bilateral Thoracoscopic Sympathectomy，BTS）后的结局评估。数据集所对应的研究关注手掌等部位的原发性局灶性多汗症人群，围绕手术效率、心肺功能影响、代偿性出汗、术后疼痛、术后并发症以及生活质量等多个维度展开考察，属于呼吸系统疾病分类下的其他类目。整体而言，该数据集为理解 BTS 在 PFH 患者中的术后结局提供了以临床试验注册信息为基础的数据支撑，适合用于相关临床研究方向的数据检索与参考。
【数据集背景】
原发性局灶性多汗症是一种以局部区域过度出汗为特征的疾病，手掌是常见的受累部位之一。双侧胸腔镜交感神经切除术是針對此类患者的外科干预方式，其在不同节段切断水平下的效果、对心肺功能的影响以及术后各类结局，均是临床关注的问题。该数据集正是围绕上述背景，记录和汇总 PFH 患者接受 BTS 后的多方面结局信息，主题标签为 Hyperhidrosis Primary Focal Palms。
【数据内容】
依据源站描述，该数据集所对应研究的目标涵盖六个方面：其一，考察不同切断水平下双侧胸腔镜交感神经切除术在原发性局灶性多汗症患者中的效率；其二，考察 BTS 术后对患者心肺功能检查的影响；其三，考察 PFH 患者 BTS 后代偿性出汗的发生率、持续时间与强度；其四，考察 PFH 患者 BTS 术后疼痛的发生率、持续时间、定位及治疗情况；其五，确定 PFH 患者 BTS 术后的并发症；其六，考察 BTS 对 PFH 患者生活质量的影响。数据内容即围绕这些结局指标组织。
【采集与来源】
该数据集来自 clinicaltrials.gov，属于临床试验注册来源的数据。源站描述中列出的条件为 Hyperhidrosis Primary Focal Palms。除来源站与上述研究目标外，关于具体的采集方式、采样规模、时间范围等信息，源站未提供。
【适用场景】
该数据集适用于围绕原发性局灶性多汗症外科治疗结局的研究与参考，包括评估不同交感神经切断水平下 BTS 的效率、分析术后心肺功能变化、研究代偿性出汗与术后疼痛等术后症状、梳理术后并发症，以及考察手术对患者生活质量的影响等场景。其呼吸系统疾病／其他的分类定位，也使其可用于相关疾病领域的数据检索与整理。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/NCT06638827
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：原发性局灶性手掌多汗症。本研究的目的为：1. 探讨不同切断水平的双侧胸腔镜交感神经切断术（BTS）在原发性局灶性多汗症（PFH）患者中的疗效；2. 探讨BTS对PFH患者术后心肺功能检查的影响；3. 探讨PFH患者BTS后代偿性出汗的发生率、持续时间及强度；4. 探讨PFH患者BTS后术后疼痛的发生率、持续时间、部位及治疗；5. 确定PFH患者BTS的术后并发症；6. 探讨BTS对PFH患者生活质量的影响。
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。
