急诊肋骨骨折患者超声引导前锯肌平面阻滞临床试验

该数据集来自 clinicaltrials.gov,围绕急诊肋骨骨折患者开展超声引导前锯肌平面阻滞(UG-SAPB)的临床试验

Rhode Island HospitalRhode Island Hospital
clinicaltrials
浏览 11
医学影像预测Rib FracturesPain AcuteRegional AnesthesiaOpioid Use
Ultrasound Guided Serratus Anterior Plane Block in ED Patients With Rib Fractures

基本信息

模态
医学影像
任务类型
预测
创建/更新时间
2026-10-11

资源简介

急诊肋骨骨折患者超声引导前锯肌平面阻滞临床试验

该数据集来自 clinicaltrials.gov,围绕急诊肋骨骨折患者开展超声引导前锯肌平面阻滞(UG-SAPB)的临床试验。研究旨在评估 UG-SAPB 相比常规护理能否在最初五小时内改善疼痛、激励式肺量计和咳嗽能力(PIC)评分,并评估其在最初 24 小时内能否减少阿片类药物给药。参与者将接受前锯肌平面阻滞,研究者将其与常规护理对比,以观察该干预是否改善急诊肋骨骨折患者的肺功能并降低阿片类药物需求。数据可用于疼痛管理、区域麻醉及阿片类药物使用相关研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):病症:肋骨骨折、急性疼痛、区域麻醉、阿片类药物使用。本临床试验的目标是测试前锯肌平面阻滞在肋骨骨折患者中的有效性。它旨在回答的主要问题是: 确定与常规护理相比,UG-SAPB 在最初五小时内是否能改善疼痛、激励式肺量计和咳嗽能力(PIC)评分。 评估与常规护理相比,UG-SAPB 在最初 24 小时内是否能减少阿片类药物的给药。参与者将接受前锯肌平面阻滞。研究者将将其与常规护理进行比较,以观察该干预是否改善急诊肋骨骨折患者的肺功能并减少阿片类药物需求。

【主题与分类】

主题标签:Rib Fractures、Pain Acute、Regional Anesthesia、Opioid Use。本站分类:呼吸系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT06299137

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT06299137

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:肋骨骨折、急性疼痛、区域麻醉、阿片类药物使用。本临床试验旨在测试前锯肌平面阻滞在肋骨骨折患者中的有效性。其主要试图回答的问题包括:* 确定与常规护理相比,UG-SAPB是否能在最初五小时内改善疼痛、激励性肺量计和咳嗽能力(PIC)评分。* 评估与常规护理相比,UG-SAPB是否能在最初24小时内减少阿片类药物的给药量。参与者将接受前锯肌平面阻滞。研究人员将将其与常规护理进行比较,以观察该干预措施是否能改善肋骨骨折急诊科患者的肺功能并减少阿片类药物需求。

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。

获取专属数据定制方案