固定矫治器与隐形矫治器治疗成人牙周健康研究

该数据集来自clinicaltrials.gov,为一项前瞻性观察研究,比较固定矫治器与隐形矫治器在正畸治疗初始三个月内对牙周健康的影响

Ravan MammadovRavan Mammadov
clinicaltrials
浏览 2
文本预测MalocclusionPeriodontal DiseasesPeriodontal Health
Periodontal Health in Adults Treated With Fixed Orthodontic Appliances or Clear Aligners

基本信息

模态
文本
任务类型
预测
创建/更新时间
2026-10-25

资源简介

固定矫治器与隐形矫治器治疗成人牙周健康研究

该数据集来自clinicaltrials.gov,为一项前瞻性观察研究,比较固定矫治器与隐形矫治器在正畸治疗初始三个月内对牙周健康的影响。纳入30名全身健康成人,按矫治方式分为两组各15人。所有参与者在戴矫治器前接受标准化非手术牙周治疗和口腔卫生指导,并在基线、牙周治疗后及正畸治疗第三个月评估菌斑堆积、牙龈炎症、探诊出血、探诊深度和临床附着水平等牙周参数,同时收集口腔健康相关生活质量、牙龈症状等患者报告结局。数据可用于分析不同矫治方式对牙周健康的影响(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:错颌畸形、牙周疾病、牙周健康。这项前瞻性观察研究将比较固定正畸矫治器和隐形矫治器在正畸治疗初始三个月内对牙周健康的影响。将纳入30名全身健康的成人,根据所接受的正畸治疗方式分为两组,每组15人。在放置矫治器之前,所有参与者将接受标准化的非手术牙周治疗并接受口腔卫生指导。牙周参数,包括菌斑堆积、牙龈炎症、探诊出血、探诊袋深度和临床附着水平,将在基线、牙周治疗后以及正畸治疗第三个月时进行评估。与口腔健康相关生活质量、牙龈症状相关的患者报告结局,以

【主题与分类】

主题标签:Malocclusion、Periodontal Diseases、Periodontal Health。本站分类:口腔疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07802249

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/NCT07802249

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:错颌畸形、牙周疾病、牙周健康。本前瞻性观察研究将比较固定正畸矫治器与隐形矫治器在正畸治疗初始三个月内对牙周健康的影响。将纳入30名全身健康的成年人,根据所接受的正畸治疗方式分为两组,每组15人。在佩戴矫治器之前,所有参与者将接受标准化的非手术牙周治疗并接受口腔卫生指导。牙周参数,包括菌斑堆积、牙龈炎症、探诊出血、探诊袋深度和临床附着水平,将在基线、牙周治疗后以及正畸治疗第三个月时进行评估。还将评估与口腔健康相关生活质量、牙龈症状和口腔卫生难度相关的患者报告结局。本研究旨在确定在正畸治疗早期阶段,固定正畸矫治器与隐形矫治器之间的牙周结局和患者报告结局是否存在差异。

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