患者决策辅助使用后偏好治疗与实际治疗选择的一致性数据集

该数据集来自一项单中心回顾性研究,纳入2015至2018年间使用在线患者决策辅助的胆结石或腹股沟疝成人患者。决策辅助评估了患者对手术与观察等待的治疗偏好、确定性、疾病负担及个人价值观,患者特征与最终治疗选择取自医院记录

Radboud UniversityRadboud University
datacite
浏览 12
其他分类Decision aidCholecystolithiasisinguinal hernia
The association between patients' preferred treatment after the use of a patient decision aid and their choice of eventual treatment

基本信息

模态
其他
任务类型
分类
许可
Closed Access
创建/更新时间
2026-10-17
版本
1

资源简介

患者决策辅助使用后偏好治疗与实际治疗选择的一致性数据集

The association between patients' preferred treatment after the use of a patient decision aid and their choice of eventual treatment

该数据集来自一项单中心回顾性研究,纳入2015至2018年间使用在线患者决策辅助的胆结石或腹股沟疝成人患者。决策辅助评估了患者对手术与观察等待的治疗偏好、确定性、疾病负担及个人价值观,患者特征与最终治疗选择取自医院记录。研究考察患者偏好治疗与实际治疗之间的一致性。数据可用于分析决策辅助对治疗选择的影响、构建偏好与实际选择一致性的分类模型,以及研究患者价值观与治疗决策的关系(来源 DOI 解析,Closed Access 许可)。

【数据集背景】

源站首次发布:2026。

【数据内容】

源站描述(机器翻译,仅供参考):该数据集包含一项单中心回顾性研究的数据,研究对象为2015年至2018年间使用在线患者决策辅助的胆结石或腹股沟疝成人患者。该决策辅助评估了患者对手术与观察等待的治疗偏好、确定性、疾病负担及个人价值观。患者特征和最终治疗选择取自医院记录。该研究考察了患者偏好治疗与最终治疗之间的一致性。

【主题与分类】

主题标签:Decision aid、Cholecystolithiasis、inguinal hernia。本站分类:消化系统疾病/胆结石。

【获取与许可】

源站页面:https://data.ru.nl/collections/ru/rumc/daassoc_t0001017a_dac_031

使用许可:Closed Access。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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://doi.org/10.34973/j91n-mj57

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

该数据集包含一项单中心回顾性研究的数据,研究对象为2015年至2018年间使用在线患者决策辅助工具的胆结石或腹股沟疝成人患者。该决策辅助工具评估了患者对手术与观察等待的治疗偏好、确定性、疾病负担及个人价值观。患者特征及最终治疗选择取自医院记录。该研究考察了患者偏好治疗与最终治疗之间的一致性。

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。

获取专属数据定制方案