经尿道钬激光前列腺剜除术学习曲线的前瞻性评估

该数据集来自 clinicaltrials.gov,主题为经尿道钬激光前列腺剜除术(HoLEP)的学习曲线,采用前瞻性评估方式

Mansoura UniversityMansoura University
clinicaltrials
浏览 22
其他回归Learning CurveLaserProstate Hyperplasia
The Learning Curve of Transurethral Holmium Laser Enucleation of the Prostate, Prospective Assessment

基本信息

模态
其他
任务类型
回归
创建/更新时间
2026-10-09

资源简介

经尿道钬激光前列腺剜除术学习曲线的前瞻性评估

该数据集来自 clinicaltrials.gov,主题为经尿道钬激光前列腺剜除术(HoLEP)的学习曲线,采用前瞻性评估方式。源站描述指出,HoLEP 自 1998 年提出以来,在治疗良性前列腺增生(BPH)方面拥有最高等级的证据支持其安全性、有效性和持久性,且在发展中国家和发达国家均具成本效益;但学习难度阻碍了该技术被泌尿科医生广泛采用,部分中心甚至因学习曲线早期出现的并发症而放弃。数据集可用于研究手术操作经验与绩效指标之间的关系,刻画学习曲线并识别平台期(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:学习曲线、激光、前列腺增生。 引言 钬激光前列腺剜除术(HoLEP)于1998年被首次描述1,此后,它成为治疗良性前列腺增生(BPH)中拥有最高级别证据支持其安全性、有效性和持久性的技术2。此外,无论是在发展中国家3还是发达国家4,它都是一种具有成本效益的替代方案。然而,学习难度阻碍了该技术在泌尿外科医生中的广泛采用,甚至有些中心因学习曲线早期遇到的并发症而停止开展该技术5。重复执行某项任务时,其表现会随着经验积累随时间而变化。将表现(结果指标)与经验(执行任务数量)作图,即形成学习曲线。改善通常在初期较快,随后随时间逐渐减弱,直至达到稳定状态(平台期)6。达平台期时间(TTP);HoLEP任务数量的报道不一;有报道称达到稳定状态(平台期)需要20-30例7-9、50例10甚至更多手术。Elshal等人于2023年在一项比较研究中将这种新型保留膜结构(veil sparing)入路与标准HoLEP入路进行了比较,结论是保留膜结构入路与更好的短期尿控相关。11 在本研究中,我们旨在评估使用这种新技术(保留膜结构HoLEP)的学习曲线。在本研究中,提出这种新技术可缩短HoLEP主要安全性和效率结果指标达到平台期(稳定状态)的时间。理由 尽管有高质量证据支持HoLEP的安全性和有效性,但学习难度阻碍了该手术的广泛采用。保留膜结构HoLEP通过标准化的学习方法得到推广。研究问题 采用标准化学习方法的保留膜结构钬激光剜除术能否缩短学习曲线?假设 保留膜结构钬激光前列腺剜除术可行且高效,并具有更短的学习曲线。研究目的

【主题与分类】

主题标签:Learning Curve、Laser、Prostate 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/NCT06038890

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/NCT06038890

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:学习曲线、激光、前列腺增生。

引言 钬激光前列腺剜除术(HoLEP)于1998年被首次描述1,自此以来,它拥有最高级别的证据支持其在治疗良性前列腺增生(BPH)方面的安全性、有效性和持久性2。此外,无论是在发展中国家3还是发达国家4,它都是一种成本效益高的替代方案。然而,学习难度阻碍了该技术在泌尿科医生中的广泛采用,甚至有些中心因学习曲线早期遇到的并发症而停止实施该技术5。随着时间的推移,重复执行某项任务会随着经验的积累而发生变化。将表现(结果指标)与经验(执行任务的数量)作图,可得到一条学习曲线。起初改善往往迅速,随后随时间逐渐减弱,直至达到稳定状态(平台期)6。达到平台期的时间(TTP);HoLEP任务数量的报告不一;有报道称达到稳定状态(平台期)所需的手术例数为20-307-9例、5010例甚至更多。

Elshal等人于2023年在一项比较性研究中,将这种新型保留前壁黏膜(veil sparing)入路与标准HOLEP入路进行了对比,结论是保留前壁黏膜入路与更好的短期尿控相关。11 在本研究中,我们旨在评估使用这一新技术(保留前壁黏膜HOLEP)的学习曲线。在本研究中,提出这一新技术可缩短HOLEP主要安全性和有效性结局指标达到平台期(稳态)的时间。 研究依据 尽管有高质量证据支持HOLEP的安全性和有效性,但该手术的广泛采用受到学习困难的阻碍。保留前壁黏膜HOLEP通过标准化的学习方法得到推广。 研究问题 保留前壁黏膜钬激光剜除术及其标准化的学习方法能否缩短学习曲线? 假设 保留前壁黏膜钬激光前列腺剜除术是可行且有效的,且学习曲线更短。 研究目的

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