胸外科围术期定量感觉测试与切口疼痛映射
该数据集来自 clinicaltrials.gov,为单中心、前瞻性、观察性试点队列研究,纳入拟行择期胸腔镜或机器人辅助肺切除术的成年患者

基本信息
资源简介
胸外科围术期定量感觉测试与切口疼痛映射
该数据集来自 clinicaltrials.gov,为单中心、前瞻性、观察性试点队列研究,纳入拟行择期胸腔镜或机器人辅助肺切除术的成年患者。研究通过标准化定量感觉测试(QST)、以切口为中心的机械性痛觉过敏疼痛映射、系列疼痛强度评估、镇痛药物暴露、心理与睡眠问卷以及探索性炎症或血浆生物标志物测量,刻画围术期疼痛表型。基线评估在术前1至3天进行,涵盖人口学与临床数据、基线疼痛史及心理评估。数据可用于术后疼痛与慢性术后疼痛的预测建模及疼痛表型分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:术后疼痛、慢性术后疼痛、胸外科手术、肺切除术、机械性痛觉过敏、中枢敏化。这是一项单中心、前瞻性、观察性试点队列研究,在计划接受择期胸腔镜或机器人辅助肺切除术的成年患者中开展。该研究旨在通过标准化定量感觉测试(QST)、以切口为中心的机械性痛觉过敏疼痛映射、系列疼痛强度评估、镇痛药物暴露、心理与睡眠相关问卷以及探索性炎症或血浆生物标志物测量,刻画围术期疼痛表型。符合条件的参与者将在手术前提供书面知情同意。基线评估将在手术前1至3天进行,包括人口学和临床数据收集、基线疼痛史、心理
【主题与分类】
主题标签:Postoperative Pain、Chronic Postsurgical Pain、Thoracic Surgery、Lung Resection、Mechanical Hyperalgesia、Central Sensitization。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07653932
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/NCT07653932
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:术后疼痛、慢性术后疼痛、胸外科手术、肺切除术、机械性痛觉过敏、中枢敏化。这是一项单中心、前瞻性、观察性初步队列研究,研究对象为计划接受择期胸腔镜或机器人辅助肺切除术的成年患者。该研究旨在通过标准化的定量感觉测试(QST)、以切口为中心的机械性痛觉过敏疼痛图谱、系列疼痛强度评估、镇痛药物暴露情况、心理及睡眠相关问卷,以及探索性炎症或血浆生物标志物测量,来刻画围手术期疼痛表型。符合条件的参与者将在手术前提供书面知情同意。基线评估将在手术前1-3天进行,包括人口统计学和临床数据收集、基线疼痛史、心理及睡眠相关问卷、术前QST以及血液采样。QST将评估手术侧胸区、对侧镜像区域以及适用情况下的远端对照部位的感觉功能。
术后最初72小时内,将在预设时间点收集静息及运动相关数字评分量表疼痛评分,并同步收集围术期麻醉、区域阻滞、手术、镇痛及康复相关信息。阿片类药物用量将换算为吗啡毫克当量。术后48-72小时,受试者将接受核心术后QST及以切口为中心的机械痛觉映射。疼痛图将围绕切口或主操作孔部位,按八个放射方向生成。将从周围正常皮肤向切口方向施加标准化机械刺激,当受试者报告感觉由正常转为疼痛加重、锐痛、灼痛或异常不适时,标记边界点。连接这些边界点以估算机械性痛觉过敏区域。额外评估将在出院前、术后1个月及术后90±14天进行。随访
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。




