肾积水超正常分肾功能恢复的临床意义

该数据集来自 clinicaltrials.gov,聚焦单侧肾积水(HN)术后恢复中超正常分肾功能(DRF)的临床意义。研究对象为因输尿管肾盂连接部梗阻(UPJO)接受肾盂成形术、且 DTPA 肾图显示 DRF>55% 的儿科患者,涵盖首诊年龄、手术年龄、性别、侧别及随访时长等临床参数

Seoul National University HospitalSeoul National University Hospital
clinicaltrials
浏览 1
其他预测Hydronephrosis
Clinical Significance of Supranormal Differential Renal Function in the Recovery of Hydronephrosis

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-25

资源简介

肾积水超正常分肾功能恢复的临床意义

该数据集来自 clinicaltrials.gov,聚焦单侧肾积水(HN)术后恢复中超正常分肾功能(DRF)的临床意义。研究对象为因输尿管肾盂连接部梗阻(UPJO)接受肾盂成形术、且 DTPA 肾图显示 DRF>55% 的儿科患者,涵盖首诊年龄、手术年龄、性别、侧别及随访时长等临床参数。数据可用于分析超正常肾功能恢复的预测因素,并按 DRF 水平分组比较,支持单因素与多因素 logistic 回归建模(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:肾积水。为评估超正常分肾功能(DRF)在单侧肾积水(HN)术后恢复中的临床意义,将分析因输尿管肾盂连接部梗阻(UPJO)接受肾盂成形术、且 DTPA 肾图显示超正常 DRF(>55%)的儿科患者。将评估包括首诊年龄、手术年龄、性别、侧别和随访时长在内的临床参数。为根据 DRF 水平评估超正常肾功能恢复的预测因素,将进行单因素和多因素 logistic 回归分析。患者将被分为两组:A 组(DRF≤60%)和 B 组(DRF>60%),分组考虑术前 DRF 均值,并使用独立样本 t 检验和 ch 比较 A 组与 B 组的各参数。

【主题与分类】

主题标签:Hydronephrosis。本站分类:泌尿生殖系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT01839006

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/NCT01839006

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:肾积水。为评估超正常差异肾功能(DRF)在单侧肾积水(HN)术后恢复中的临床意义,将分析因输尿管肾盂连接部梗阻(UPJO)行肾盂成形术、且在DTPA肾图中显示超正常DRF(>55%)的儿科患者。将评估包括首次就诊年龄、手术年龄、性别、侧别及随访时间在内的临床参数。为根据DRF水平评估超正常肾功能恢复的预测因素,将进行单因素和多因素logistic回归分析。考虑到术前DRF的平均值,患者将被分为两组:A组(DRF≤60%)和B组(DRF>60%),并使用独立样本t检验和卡方检验将A组的各项参数与B组进行比较。将使用Kaplan-Meier分析和log-rank检验来确定各参数中梗阻性肾积水恢复时间的差异。

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