儿童三角头畸形保守治疗与颅面手术比较:临床结局、心理社会健康与成本的观察性队列研究
该数据集来自 clinicaltrials.gov,聚焦 0 至 8 岁三角头畸形(排除额缝脊)儿童,比较保守治疗与颅面手术

基本信息
资源简介
儿童三角头畸形保守治疗与颅面手术比较:临床结局、心理社会健康与成本的观察性队列研究
该数据集来自 clinicaltrials.gov,聚焦 0 至 8 岁三角头畸形(排除额缝脊)儿童,比较保守治疗与颅面手术。研究假设保守治疗在临床结局上非劣于手术、疾病负担更小且具成本效果。主要结局为头围 SD 下降(提示颅内压升高),次要结局涵盖眼底检查、认知、行为、屈光与视力、前额形态、生活质量、创伤后应激、决策冲突及成本,并在 0、2、4、6、8 岁重复测量。样本量 440 例,其中小于 1 岁 195 例手术。可用于预测头围变化、比较治疗路径及评估成本效果(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:额缝早闭。假设:保守治疗在临床结局方面非劣于手术,疾病负担更小,且具有成本效果。研究设计:观察性队列研究。研究人群:0 至 8 岁三角头畸形儿童,排除额缝脊(额缝生理性早期闭合)。干预:保守策略。常规照护/对照:颅面手术。结局指标:主要:头围增长下降(头围以 SD 计),提示颅内压升高。次要:眼底检查、认知、行为、屈光与视力、前额形态、生活质量、创伤后应激、决策冲突、成本。在 0、2、4、6、8 岁时重复测量。样本量/数据分析:自 2022 年 9 月起纳入年龄 ≤ 3 岁的合格患者。样本量 440 例患者,小于 1 岁:195 例手术和 2
【主题与分类】
主题标签:Metopic Synostosis。本站分类:损伤、中毒及外因。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06069479
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/NCT06069479
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:额缝早闭。假设:在临床结局方面,保守治疗不劣于手术,且疾病负担更小,并具有成本效益。研究设计:观察性队列研究。研究人群:0至8岁、患有三角头畸形的儿童,排除额缝嵴(额缝生理性早期闭合)。干预:保守策略。常规照护/对照:颅面手术。结局指标:主要指标:头围增长下降(以标准差表示的头围),提示颅内压升高。次要指标:眼底镜检查、认知、行为、屈光与视力、前额形状、生活质量、创伤后应激、决策冲突、成本。在0、2、4、6、8岁时重复测量。样本量/数据分析:自2022年9月起纳入年龄≤3岁的合格患者。样本量为440例年龄<1岁的患者:195例手术,245例保守治疗。通过校正混杂因素(表型严重程度、性别、综合征及父母因素,例如教育程度)的线性混合模型,确定0至4岁期间(每年测量)头围增长方面的非劣效性。
成本效果分析/预算影响分析 在经济评估中,纳入了医疗费用及父母因生产力损失所产生的成本。针对专科医疗护理、手术费用、住院及其他与干预直接相关的费用,进行了详细的成本研究。手术成本价格将通过自下而上的微观成本计算法确定。成本效用将通过获得的QALY(基于EQ-5D效用得分)来衡量,并采用置信椭圆和可接受性曲线。保守政策与手术的影响将从保障视角和中央层面进行探讨。从(医疗保健)政府的角度,将突出社会视角及“预算医疗框架”视角。我们将通过一系列预测提供一个包含预算后果的有效框架。敏感性分析正在
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。




