比较新型凝胶敷料与标准护理治疗放射性皮炎的回顾性队列研究
该数据集来自 clinicaltrials.gov，为一项回顾性队列研究，分析2010至2022年间常规收集的放射性皮肤毒性数据
基本信息
资源简介
比较新型凝胶敷料与标准护理治疗放射性皮炎的回顾性队列研究
该数据集对应的是一项回顾性队列研究，题为“Retrospective Cohort Study Comparing a Novel Gel Dressing vs SoC in the Treatment of Radiation Dermatitis”，关注放射性皮炎这一皮肤疾病。研究基于2010年至2022年间常规收集的放射性皮肤毒性数据，将患者按是否接受StrataXRT凝胶敷料或标准治疗分为两个队列，并对两组在放射性皮炎发生与严重程度等方面的指标进行比较。数据集来源于clinicaltrials.gov，主题标签为放射性皮炎，属于皮肤疾病/其他分类。整体而言，该数据集围绕放射性皮肤毒性的真实世界数据回顾性分析，适合用于了解新型凝胶敷料与标准治疗在放射性皮炎管理中的差异。
【数据集背景】
放射性皮炎是放射治疗过程中常见的皮肤毒性反应，其发生与严重程度直接影响患者的治疗体验与疗程连续性。该数据集所对应的研究旨在通过回顾性队列设计，比较一种新型凝胶敷料（StrataXRT）与标准治疗（standard of care）在放射性皮炎治疗中的表现。研究关注的是常规收集的放射性皮肤毒性数据，时间跨度为2010年至2022年，属于基于既有临床记录开展的回顾性分析，而非前瞻性干预试验。
【数据内容】
数据按治疗方式划分为两个队列：接受StrataXRT的患者队列与接受标准治疗的患者队列。研究计划在两组之间比较以下指标：≥2级放射性皮炎的发生率、≥2级放射性皮炎的发生时间、≥2级放射性皮炎发生时的放射剂量、湿性脱皮的发生率，以及治疗中断的次数。上述指标覆盖了放射性皮炎的发生频率、时间特征、剂量特征、严重表现形式以及对放疗进程的影响，构成了该数据集的核心观察内容。
【采集与来源】
该数据集来源于clinicaltrials.gov，研究类型为回顾性队列研究。数据为2010年至2022年间常规收集的放射性皮肤毒性数据，即依托既有临床记录进行回顾性整理与分析，而非专门为研究新采集的数据。源站描述中列出的研究条件为放射性皮炎（Radiation Dermatitis）。
【适用场景】
基于其内容，该数据集适用于围绕放射性皮炎真实世界证据的分析场景，例如比较新型凝胶敷料与标准治疗在≥2级放射性皮炎发生风险、发生时间及发生剂量上的差异，评估湿性脱皮发生率与治疗中断情况，以及为放射性皮肤毒性的临床管理决策提供回顾性数据参考。其队列设计也适合用于观察性研究的方法学示例。
【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/NCT05810194
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：放射性皮炎。将回顾性分析2010年至2022年间常规收集的放射性皮肤毒性数据。数据将分为两个队列：接受1）StrataXRT治疗的患者和2）标准治疗的患者。将比较两个队列之间≥2级放射性皮炎的发生率、≥2级放射性皮炎的发生时间、≥2级放射性皮炎发生时的放射剂量、湿性脱屑的发生率以及治疗中断的次数。
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。
