牙侵蚀相关ClinicalTrials.gov研究的注册、主要结局变更与结果传播元研究
该数据集是围绕牙侵蚀相关ClinicalTrials.gov研究开展的元研究配套数据，包含最终源级质量控制数据与分析材料
基本信息
资源简介
牙侵蚀相关ClinicalTrials.gov研究的注册、主要结局变更与结果传播元研究
Registration, Primary Outcome Changes, and Results Dissemination in ClinicalTrials.gov Studies Involving Dental Erosion: A Meta-Research Study
该数据集是围绕牙侵蚀相关ClinicalTrials.gov研究开展的元研究配套数据，包含最终源级质量控制数据与分析材料。研究于2026年10月14日检索ClinicalTrials.gov，最终纳入67项研究，其中42项为干预性研究；通过发表匹配识别出21项确定匹配、6项可能匹配及15项未识别到合格同行评审结果发表的研究。历史审查涵盖200个注册版本与25次主要结局状态转换，21项确定匹配的注册表与发表结果一致性为15项完全一致、3项部分一致、3项不明确。数据可用于注册质量、结局变更与结果传播等元研究分析（来源 DOI 解析，Creative Commons Attribution 4.0 International 许可）。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：该存储库包含支持元研究“Registration, Primary Outcome Changes, and Results Dissemination in ClinicalTrials.gov Studies Involving Dental Erosion: A Meta-Research Study”的最终源级质量控制数据和分析材料。ClinicalTrials.gov于2026年10月14日（D0）被检索。最终合格队列包含67项研究，其中42项为干预性研究。发表匹配识别出21项确定匹配、6项可能匹配，以及15项截至D0未识别到合格同行评审结果发表的研究。历史审查包括200个注册版本和25次主要结局状态转换。在21项确定匹配中，最终历史基线与D0注册表至发表的一致性为15项完全一致、3项部分一致、3项不明确。此版本纳入了最终源级质量控制更正，并取代早期包。
【主题与分类】
主题标签：Dental erosion、Erosive tooth wear、ClinicalTrials.gov、Trial registration、Results dissemination、Meta-research、Outcome specification、Registry–publication agreement、Publication Bias、Registry history。本站分类：口腔疾病。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.23498536
使用许可：Creative Commons Attribution 4.0 International。
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://doi.org/10.5281/zenodo.23498536
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:
数据集大小约 6.8 MB。
数据说明
本仓库包含支持元研究“涉及牙侵蚀的ClinicalTrials.gov研究的注册、主要结局变更与结果传播：一项元研究”的最终源数据质量控制数据与分析材料。于2026年10月14日（D0）对ClinicalTrials.gov进行了检索。最终合格队列包含67项研究，其中42项为干预性研究。发表匹配识别出21项确定匹配、6项可能匹配，以及15项截至D0未识别出合格同行评审结果发表的研究。历史审查包括200个注册库版本和25次主要结局状态转换。在21项确定匹配中，最终历史基线与D0注册库至发表的—致性为15项完全一致、3项部分一致、3项不明确。本版本纳入了最终的源层面质量控制更正，并取代了包含最终版之前15/4/2一致性分布的早期包文件。完整更正详情见README和CHANGELOG。
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。
