使用术前评分系统预测BPH手术结局
该数据集来自clinicaltrials.gov，聚焦良性前列腺增生（BPH）患者接受前列腺手术的术前预测评分系统开发与验证
基本信息
资源简介
使用术前评分系统预测BPH手术结局
该数据集来自clinicaltrials.gov，聚焦良性前列腺增生（BPH）患者接受前列腺手术的术前预测评分系统开发与验证。研究为多中心回顾性设计，纳入中国四家医院的患者，采集临床数据、前列腺MRI参数及尿动力学测量等多维术前客观指标。主要结局为术后6个月国际前列腺症状评分（IPSS）术后与术前比值≤0.5所定义的良好手术反应。数据可用于构建和验证预测BPH手术结局的模型，涉及多变量logistic回归、限制性立方样条及bootstrap内部验证等方法（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：BPH（良性前列腺增生）。本研究旨在开发并验证一种术前预测评分系统，用于预测接受前列腺手术（包括但不限于经尿道前列腺电切术、激光剜除术、选择性光汽化术或机器人辅助单纯前列腺切除术）的良性前列腺增生（BPH）患者的手术结局。这是一项多中心回顾性研究，涉及中国四家医院的患者。将收集术前多维客观指标，包括临床数据、前列腺MRI参数和尿动力学测量。主要结局是良好的手术反应，定义为术后6个月时术后与术前国际前列腺症状评分（IPSS）比值≤0.5。多变量logistic回归、限制性立方样条和bootstrap内部验证
【主题与分类】
主题标签：BPH (Benign Prostatic Hyperplasia)。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/NCT07623239
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/NCT07623239
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：BPH（良性前列腺增生）。本研究旨在开发并验证一种术前预测评分系统，用于评估接受前列腺手术（包括但不限于经尿道前列腺电切术、激光剜除术、选择性光汽化术或机器人辅助单纯前列腺切除术）的良性前列腺增生（BPH）患者的手术结局。这是一项多中心回顾性研究，纳入来自中国四家医院的患者。将收集术前多维客观指标，包括临床数据、前列腺MRI参数和尿动力学测量结果。主要结局是良好的手术反应，定义为术后6个月时术后与术前国际前列腺症状评分（IPSS）比值≤0.5。将采用多变量logistic回归、限制性立方样条和bootstrap内部验证来构建和评估该评分系统。目标是提供一种客观、个体化的工具，以优化BPH患者的手术决策。
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。
