Pro-Chol 研究
该数据集来源于 clinicaltrials.gov,对应 Pro-Chol 研究,聚焦胆囊结石相关疾病,包括胆结石、胆结石发作、无并发症胆石症与胆囊结石

基本信息
资源简介
Pro-Chol 研究
该数据集来源于 clinicaltrials.gov,对应 Pro-Chol 研究,聚焦胆囊结石相关疾病,包括胆结石、胆结石发作、无并发症胆石症与胆囊结石。源站描述指出,胆囊切除术是症状性复杂与无并发症胆结石的唯一根治手段,欧洲国家腹腔镜胆囊切除术率近几十年快速上升,丹麦 2016 年实施超过 9000 例胆囊切除术;约 35% 患者术后仍有症状,提示筛选最受益患者存在临床挑战。该数据可用于评估丹麦人群中腹腔镜胆囊切除术后症状性结局,反映当前临床实践中症状性无并发症胆结石患者的选择情况(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:胆结石、胆结石发作、无并发症胆石症、胆囊结石。胆囊切除术是切除胆囊的外科手术,也是症状性复杂与无并发症胆结石的唯一根治性治疗。近几十年来,欧洲国家腹腔镜胆囊切除术的手术率快速上升。2016 年丹麦实施了超过 9000 例胆囊切除术。术后症状性结局未能达到预期的症状缓解,约 35% 的患者报告仍有残留症状。这表明在筛选最能从手术中获益的患者方面存在临床挑战。应在反映当前症状性无并发症胆结石患者选择临床实践的丹麦人群中,评估腹腔镜胆囊切除术后症状性结局的质量。
【主题与分类】
主题标签:Gallstones、Gallstone Attack、Uncomplicated Cholelithiasis、Cholecystolithiasis。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/NCT07245108
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/NCT07245108
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:胆结石、胆结石发作、无并发症的胆石症、胆囊结石。胆囊切除术是切除胆囊的外科手术,也是症状性复杂性和无并发症胆结石的唯一确定性治疗方法。过去几十年来,欧洲国家腹腔镜胆囊切除术的手术率迅速上升。2016年,丹麦实施了超过9000例胆囊切除术。术后症状性结局并未达到预期的症状缓解,约35%的患者报告症状持续存在。这表明在选择最能从手术中获益的患者方面存在临床挑战。应在反映当前临床实践的丹麦人群中评估腹腔镜胆囊切除术后症状性结局的质量,以筛选症状性无并发症胆结石患者进行手术。
开发一种临床预测工具,用于预测疼痛缓解,该工具同时纳入患者报告变量和易于获取的客观变量,可有助于未来患者选择,并最大限度降低有症状的非复杂性胆囊结石患者的总体医疗费用和不必要的手术风险。目的是对有症状的非复杂性胆囊结石患者择期腹腔镜拟行胆囊切除术的症状性结局进行前瞻性评估,并开发无痛状态的预测模型。这是一项前瞻性观察性研究,将在丹麦各医疗区域的综合外科医院开展。将从各研究中心连续纳入知情同意的患者,直至达到所需样本量。符合条件的患者将通过门诊和手术室的筛查名单进行识别。患者将在安排胆囊切除术的门诊就诊时或术前较晚时间点被接洽以获取知情同意并收集数据。症状性结局的随访将在术后三个月进行。研究入组时和随访时的数据收集
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。




