上肢烧伤挛缩的连续石膏固定治疗数据集
该数据集来源于 clinicaltrials.gov，聚焦上肢烧伤后皮肤挛缩的连续石膏固定治疗。数据覆盖烧伤挛缩患者，参与者将根据自身需求接受个体化干预
基本信息
资源简介
上肢烧伤挛缩的连续石膏固定治疗数据集
Serial Casting for Upper Extremity Burn Contractures 是一个以临床试验注册信息为核心来源的数据集，归类于创伤与损伤下的烧伤方向，主题聚焦上肢烧伤后皮肤挛缩的连续石膏固定治疗。数据集所对应的研究关注烧伤挛缩患者群体，参与者将依据自身需求接受个体化干预。该数据集为关注烧伤后挛缩康复治疗的研究者与临床人员提供了一个可检索、可引用的信息入口，便于了解这一治疗方向的研究注册情况与基本设计框架。
【数据集背景】
烧伤后皮肤挛缩是深度烧伤愈合过程中常见的并发症，可导致关节活动受限和功能障碍，上肢因关节结构精细、功能要求高而尤为受到关注。连续石膏固定作为一种渐进式矫正手段，在此类挛缩的康复治疗中具有应用价值。该数据集所对应的研究以 Burn Contracture of Skin 为主题标签，针对上肢烧伤后挛缩这一具体问题设置研究，其注册信息通过 clinicaltrials.gov 公开，属于临床研究注册数据在烧伤康复领域的专题汇集。
【数据内容】
数据集的核心内容为一项以烧伤皮肤挛缩为研究条件的临床研究注册记录，涵盖研究条件、干预方式与参与者安排等基本信息。研究条件为 Burn Contracture of Skin；干预方式为连续石膏固定治疗上肢烧伤后挛缩；参与者将根据自身需求接受个体化干预，体现了个体化治疗的设计思路。数据集以主题标签形式标注烧伤皮肤挛缩，便于按疾病主题检索。除上述内容外，具体样本量、结局指标、随访时长、分组方式等细节源站未提供。
【采集与来源】
数据来源于 clinicaltrials.gov，该站为临床研究注册信息的公开平台。数据集内容取自该平台上的研究注册记录，属于二次汇集与整理，而非原始临床采集数据。数据覆盖的对象为烧伤挛缩患者，研究地点、招募时间、申办方等信息源站未提供。
【适用场景】
该数据集适用于烧伤康复、手外科与物理治疗等方向的研究人员了解上肢烧伤后挛缩连续石膏固定治疗的研究注册概况；也可供临床人员在制定个体化康复方案时作为文献线索参考；同时可用于教学与综述写作中检索相关临床研究。由于数据为注册信息而非结果数据，不适用于疗效评价或定量分析等需要结局数据的场景。
【使用方法】
使用者可按主题标签 Burn Contracture of Skin 或数据集英文名进行检索定位，结合来源站 clinicaltrials.gov 获取研究注册记录的原始条目。使用时宜将本数据集视为研究线索入口，进一步查阅原始注册信息以确认研究设计与状态。具体检索接口、字段结构与更新机制源站未提供。
【质量与限制】
数据依托 clinicaltrials.gov 的注册信息，来源具有公开性与可追溯性。但数据集仅反映研究注册层面的信息，不包含研究结果与受试者层面数据；样本量、结局指标等关键细节源站未提供，难以据此评估研究规模与证据强度。注册信息可能存在更新滞后，使用时应以来源站最新记录为准。
【引用与许可】
引用时应标注数据集英文名 Serial Casting for Upper Extremity Burn Contractures 及来源站 clinicaltrials.gov。具体许可条款与引用格式源站未提供。
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/NCT05425433
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: Burn Contracture of Skin. Participants will undergo a tailored intervention based on their needs.
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。
