急性部分厚度烧伤研究:Transforming Powder Dressing与标准护理敷料对比
研究对象为18-65岁、因烧伤面积小于总体表面积20%的急性部分厚度烧伤住院的成人,烧伤需发生在入组前36小时内。受试者按1:1随机分配至SOC或TPD组,住院期间及出院后随访至入组后28天,共8次研究访视,每次对烧伤创面进行评估、拍照和测量,并按常规标准进行清洁和清创

基本信息
资源简介
急性部分厚度烧伤研究:Transforming Powder Dressing与标准护理敷料对比
该数据集来自clinicaltrials.gov,收录一项上市后研究,比较Altrazeal(R) Transforming Powder Dressing(TPD)与当前标准护理(SOC)敷料在急性部分厚度烧伤患者中的有效性。研究对象为18-65岁、因烧伤面积小于总体表面积20%的急性部分厚度烧伤住院的成人,烧伤需发生在入组前36小时内。受试者按1:1随机分配至SOC或TPD组,住院期间及出院后随访至入组后28天,共8次研究访视,每次对烧伤创面进行评估、拍照和测量,并按常规标准进行清洁和清创。数据可用于烧伤敷料疗效对比研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:伤口与损伤。这项上市后研究旨在评估Altrazeal(R) Transforming Powder Dressing(TPD)在部分厚度烧伤患者中相较于当前标准护理(SOC)烧伤创面敷料的有效性。年龄18-65岁、因急性(即烧伤发生在入组研究前36小时内)部分厚度烧伤创面住院、且烧伤面积小于总体表面积20%的成年男性和女性可被考虑纳入。受试者将按1:1比例随机分配至SOC或TPD组。受试者将在住院期间以及出院后随访至入组研究后28天。在8次研究访视的每一次中,烧伤创面将被评估、拍照和测量。创面将按常规标准进行清洁和清创(如需要)。
【主题与分类】
主题标签:Wounds and Injuries。本站分类:损伤、中毒及外因。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05424354
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/NCT05424354
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
适应症:伤口与损伤。这项上市后研究旨在评估Altrazeal® Transforming Powder Dressing(TPD)相比当前烧伤伤口标准护理(SOC)敷料,在部分厚度烧伤患者中的有效性。可考虑纳入18至65岁、因急性(即烧伤发生在入组研究前36小时内)部分厚度烧伤伤口住院、烧伤面积小于全身表面积20%的成年男性和女性。受试者将按1:1比例随机分配至SOC组或TPD组。受试者将在住院期间以及出院后接受随访,直至入组研究后28天。在8次研究访视的每次访视中,将对烧伤伤口进行评估、拍照和测量。如有需要,将按常规标准烧伤护理对伤口进行清洁和清创。将使用TPD或典型SOC敷料进行伤口敷料更换。每次访视时都将监测伤口愈合和伤口疼痛情况,并对两组(TPD组和SOC组)的结果进行比较。
将在研究结束时或伤口愈合时(以先发生者为准)发放一份评估对所用敷料满意度的调查问卷。
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。




