机器人辅助腹腔镜骶骨阴道固定术后肠道功能队列研究
该数据集来自 clinicaltrials.gov，聚焦盆腔器官脱垂患者在接受机器人辅助腹腔镜骶骨阴道固定术前后肠道功能的变化
基本信息
资源简介
机器人辅助腹腔镜骶骨阴道固定术后肠道功能队列研究
Cohort Study of Bowel Function Following Robotic-assisted Laparoscopic Sacrocolpopexy 是一个来自 clinicaltrials.gov 的数据集，归类于泌尿生殖系统疾病下的盆腔器官脱垂方向。该数据集围绕盆腔器官脱垂患者展开，关注其在接受机器人辅助腹腔镜骶骨阴道固定术前后肠道功能的变化情况，涉及盆腔器官脱垂、便秘、肠道功能障碍及肠易激综合征等主题。数据集所对应的研究比较了患者在手术前、术后6个月及术后一年三个时间点的肠道功能变化，同时也比较了上述时间点的客观解剖学结局。整体而言，该数据集为评估该类手术对患者肠道功能与解剖学结果的影响提供了纵向随访视角的数据基础。
【数据集背景】
盆腔器官脱垂是泌尿生殖系统疾病领域关注的问题之一，患者常伴随便秘、肠道功能障碍乃至肠易激综合征等表现。机器人辅助腹腔镜骶骨阴道固定术是相关研究中的手术方式，而该数据集正是围绕这一手术前后患者肠道功能与解剖学结局的变化而组织。数据集的主题标签涵盖盆腔器官脱垂、便秘、肠道功能障碍与肠易激综合征，反映出研究对术后肠道功能转归的关注。
【数据内容】
源站描述表明，该数据集涉及的条件包括盆腔器官脱垂、便秘、肠道功能障碍与肠易激综合征。其核心内容为比较机器人辅助腹腔镜骶骨阴道固定术之前、术后6个月以及术后一年三个时间点的肠道功能变化，并比较相同时间点的客观解剖学结局。除上述时间点与比较维度外，源站未提供更细化的变量清单或具体测量指标。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站未提供具体的采集流程、随访实施方式、样本量或机构信息。
【适用场景】
基于其主题与随访设计，该数据集可用于关注盆腔器官脱垂患者手术前后肠道功能纵向变化的分析场景，也可用于考察术后6个月与术后一年客观解剖学结局的比较研究。源站未提供其他具体适用场景的说明。
【使用方法】
源站未提供该数据集的具体使用方式、数据格式或访问接口说明。
【质量与限制】
源站未提供样本量、缺失情况、质量控制措施或已知偏倚等信息，相关质量与限制内容无法依据现有信息展开。
【引用与许可】
源站未提供引用格式与许可条款信息。
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/NCT01618292
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
Conditions: Pelvic Organ Prolapse, Constipation, Bowel Dysfunction, Irritable Bowel Syndrome. Compare changes in bowel function before, 6 months and one year after Robotic-assisted laparoscopic sacral colpopexy. Compare objective anatomic outcomes before, 6 months and one year after Robotic-assisted laparoscopic sacral colpopexy.
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。
