Cohealyx用于全层伤口的多中心单臂临床试验
该数据集源自clinicaltrials.gov,为一项前瞻性单臂多中心上市后研究,评估Cohealyx用于外科切除术后全层伤口管理的临床结局

基本信息
资源简介
Cohealyx用于全层伤口的多中心单臂临床试验
该数据集源自clinicaltrials.gov,为一项前瞻性单臂多中心上市后研究,评估Cohealyx用于外科切除术后全层伤口管理的临床结局。研究纳入有自体移植临床指征的全层伤口患者,在伤后5天内首次手术中将Cohealyx应用于切除后的伤口床,随后每3天评估伤口,直至其成功整合。主要有效性终点为至自体移植时间,并通过系统文献综述与荟萃分析设定性能目标。数据可用于伤口愈合、移植时机及相关临床结局的预测建模研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:烧伤、创伤伤口、全层伤口、手术伤口。这是一项前瞻性单臂上市后多中心研究,旨在评估Cohealyx用于外科切除术后全层伤口管理时的临床结局。通过系统文献综述和荟萃分析,为主要有效性终点(至自体移植时间)建立了性能目标。具有全层伤口且临床上有自体移植指征的患者将被考虑参与本研究。患者将接受分期手术以闭合伤口。在第一次手术中,Cohealyx将在伤后5天内应用于外科切除后的伤口床。放置Cohealyx后,研究者将每3天评估一次伤口。一旦Cohealyx成功整合到伤口床中,表现为稳健的血管化组织
【主题与分类】
主题标签:Burn、Trauma Wound、Full Thickness Wounds、Surgical Wound。本站分类:损伤、中毒及外因。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06787690
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/NCT06787690
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
病症:烧伤、创伤性伤口、全层伤口、手术伤口。这是一项前瞻性单臂上市后多中心研究,旨在评估Cohealyx用于手术后切除全层伤口管理时的临床结局。通过系统文献回顾和荟萃分析,确立了主要有效性终点(至自体移植时间)的性能目标。临床上适合进行自体移植的全层伤口患者将被考虑参与本研究。患者将接受分期手术以闭合伤口。在首次手术中,Cohealyx将在损伤后5天内应用于手术切除后的创面床。放置Cohealyx后,研究者将每3天评估一次伤口。一旦Cohealyx成功整合到创面床中,表现为形成血供丰富的组织床,则将按研究机构的护理标准准备创面床并进行自体移植。研究区域将就Cohealyx整合情况、至自体移植时间、自体移植成活、愈合及安全性相关不良事件进行评估。
自体移植后,受试者将接受为期6.5个月的随访。研究期间将报告与治疗相关的不良事件及严重不良事件。在所有随访中,将通过数码摄影记录受试者的研究治疗区域以及任何使用PermeaDerm敷料的供皮区。
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。




