锁骨上入路与腋路臂丛阻滞用于动静脉内瘘创建的比较
该数据集来自 clinicaltrials.gov,主题为动静脉内瘘创建手术中锁骨上入路与腋路臂丛阻滞的比较。动静脉内瘘创建通常在肘前窝区域麻醉下进行,因终末期肾病患者全身麻醉心肺并发症风险较高,臂丛阻滞等区域麻醉更受青睐

基本信息
资源简介
锁骨上入路与腋路臂丛阻滞用于动静脉内瘘创建的比较
该数据集来自 clinicaltrials.gov,主题为动静脉内瘘创建手术中锁骨上入路与腋路臂丛阻滞的比较。动静脉内瘘创建通常在肘前窝区域麻醉下进行,因终末期肾病患者全身麻醉心肺并发症风险较高,臂丛阻滞等区域麻醉更受青睐。本研究比较两种成熟常用的臂丛阻滞入路:锁骨上入路与腋路。锁骨上阻滞在臂丛干水平实施,此处上肢几乎全部感觉、运动与交感神经支配集中于三个神经结构、占据极小表面积。数据可用于麻醉方式选择与临床疗效评估(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:动静脉内瘘、臂丛阻滞、临床疗效。引言:动静脉内瘘创建通常在肘前窝区域麻醉下进行。终末期肾病患者全身麻醉与心肺并发症增加相关。因此,在此类患者中,区域麻醉(RA),如臂丛阻滞(BPB),更受青睐用于动静脉内瘘创建。在本研究中,将比较两种成熟且常用的臂丛阻滞入路:锁骨上入路与腋路。锁骨上阻滞是用于臂丛阻滞的若干入路之一。该阻滞在臂丛干水平实施,此处上肢几乎全部的感觉、运动和交感神经支配仅由三个神经结构承载,局限于非常小的表面积。适应
【主题与分类】
主题标签:Arteriovenous Fistula、Brachial Plexus Block、Clinical Efficacy。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05809258
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/NCT05809258
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:动静脉瘘、臂丛神经阻滞、临床疗效。引言 动静脉瘘(AV fistula)的建立通常在上臂前肘窝区域,在区域麻醉下进行。全身麻醉与终末期肾病患者心肺并发症增加相关。因此,在这类患者中,区域麻醉(RA),如臂丛神经阻滞(BPB),更受青睐用于动静脉瘘的创建。本研究将对比两种成熟且常用的臂丛神经阻滞方法:锁骨上和腋路。锁骨上阻滞是臂丛神经阻滞的几种方法之一。该阻滞在臂丛神经干水平进行,此处几乎整个上肢的感觉、运动和交感神经支配仅由三个神经结构承载,且局限于非常小的表面积内。锁骨上阻滞的适应症包括肘部、前臂和手部手术。腋路阻滞技术相对容易接近,操作简单,并且与锁骨上臂丛神经阻滞相比,可能伴有较低的并发症风险。
与传统无超声引导的方法相比,锁骨上入路覆盖范围略广,且据认为并发症发生率高于腋路入路。使用超声应能降低两种阻滞的并发症发生率。目前尚无随机对照研究比较超声引导下两种阻滞用于动静脉内瘘创建的有效性。本研究旨在从麻醉有效性、并发症及恢复方面确定动静脉内瘘创建更优的麻醉技术。方法 研究类型:随机、对照、观察者盲法非劣效性试验,采用两个平行组。盲法:观察者、麻醉医师2和数据分 析人员将设盲。但患者和阻滞操作者均会知晓阻滞分组。随机化:统计学家将生成区组随机化序列,并将文件移交给主要研究者
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。




