全球去中心化临床试验趋势：调查数据集（去标识化）
该数据集包含来自288名全球去中心化临床试验（DCT）利益相关方的去标识化调查回复，收集于2024年8月6日至9月9日。调查包含50多道问题，涉及：- DCT实施实践与频率- 对全远程与混合DCT模式的偏好- 特定DCT要素的部署（电子知情同意、患者报告结局、远程医疗、可穿戴设备等）- 按利益相关方
基本信息
资源简介
全球去中心化临床试验趋势：调查数据集（去标识化）
该数据集名为“Global trends in decentralized clinical trials: Survey dataset (de-identified)”，收录了来自全球288名去中心化临床试验（DCT）利益相关方的去标识化调查回复，调查时间为2024年8月6日至9月9日。问卷包含50多道问题，覆盖DCT实施实践与频率、对全远程与混合DCT模式的偏好、各类DCT要素的部署情况、按利益相关方类型划分的采纳障碍、成功因素与推动条件、COVID-19疫情对DCT采纳的影响，以及推进DCT应用的建议等主题。受访者来自38个国家，涵盖申办方/制药企业、合同研究组织、技术提供方、医院/医学中心/站点人员及其他利益相关方。该数据集由Arghya Biswas与Jeroze Dalal创作，经Zenodo发布，采用知识共享署名4.0国际许可，主题涉及去中心化临床试验、调查数据、利益相关方视角、数字健康、以患者为中心的研究等。
【数据集背景】
去中心化临床试验（DCT）通过电子知情同意、患者报告结局、远程医疗和可穿戴设备等手段，将部分或全部试验环节从传统站点转移到受试者所在环境，是临床研究数字化转型的重要方向。该数据集正是在这一背景下形成，旨在汇集全球不同利益相关方对DCT实施现状、偏好、障碍与推动因素的系统性反馈，并考察COVID-19疫情对DCT采纳的影响，为理解DCT的全球发展趋势提供一手调查资料。本站将其归类于感染性疾病/其他类别。
【数据内容】
数据集的核心内容是288名全球DCT利益相关方的去标识化调查回复，问卷包含50多道问题，主要涉及以下方面：DCT实施实践与频率；对全远程DCT模式与混合DCT模式的偏好；特定DCT要素的部署情况，包括电子知情同意、患者报告结局、远程医疗、可穿戴设备等；按利益相关方类型划分的DCT采纳感知障碍；DCT实施的成功因素与推动条件；COVID-19疫情对DCT采纳的影响；以及推进DCT采纳的建议。受访者构成方面，申办方/制药企业代表占31%，合同研究组织代表占25.7%，技术提供方代表占26%，医院/医学中心/站点人员占23%，其他利益相关方占3.1%（源站描述中同时给出42%、29.2%等比例，具体对应关系以源站为准）。受访者共代表38个国家。
【采集与来源】
数据通过问卷调查方式采集，采集时间为2024年8月6日至9月9日。数据来源站为doi.org，发布机构为Zenodo，发布时间为2025年。作者为Arghya Biswas与Jeroze Dalal。调查对象为全球范围内的DCT利益相关方，涵盖申办方与制药企业、合同研究组织、技术提供方、医院/医学中心/站点人员及其他相关方。数据已做去标识化处理。
【适用场景】
该数据集可用于了解全球DCT实施的总体趋势与实践频率，比较不同利益相关方对全远程与混合模式的偏好差异，分析电子知情同意、患者报告结局、远程医疗、可穿戴设备等DCT要素的部署情况，识别DCT采纳的主要障碍与成功因素，评估COVID-19疫情对DCT采纳的影响，并在此基础上形成推进DCT应用的建议。其利益相关方视角与跨国覆盖特点，适合用于临床研究运营、数字健康评估及相关政策研究等场景。
【使用方法】
源站未提供。
【质量与限制】
该数据集为去标识化调查数据，样本量为288名受访者，覆盖38个国家，问卷包含50多道问题。源站未提供关于抽样方法、应答率、缺失数据处理及验证方式等进一步的质量信息。使用时应注意到调查数据反映的是受访者的主观报告与感知，且各利益相关方类别的样本比例不等。
【引用与许可】
该数据集采用Creative Commons Attribution 4.0 International许可，使用时需按要求署名。作者为Arghya Biswas与Jeroze Dalal，由Zenodo发布，发布时间为2025年，来源站为doi.org。建议引用时注明数据集英文名称“Global trends in decentralized clinical trials: Survey dataset (de-identified)”、作者、发布机构、发布年份及许可信息。
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/10.5281/zenodo.17617610
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
该数据集包含来自288名分散式临床试验（DCT）全球利益相关方的去标识化调查回复，收集时间为2024年8月6日至9月9日。调查包含50多个问题，涉及：- DCT实施实践与频率- 对完全DCT模式与混合DCT模式的偏好- 特定DCT要素的部署（电子知情同意、患者报告结局、远程医疗、可穿戴设备等）- 按利益相关方类型划分的DCT采用感知障碍- DCT实施的成功因素与促进因素- COVID-19疫情对DCT采用的影响- 推进DCT采用的建议受访者包括：- 42%申办方/制药公司代表（31%）- 25.7%合同研究组织技术提供商代表（26%）- 29.2%医院/医疗中心/站点人员（23%）- 3.1%其他利益相关方受访者代表北美、欧洲、亚太及其他地区的38个国家。
受访者涵盖不同职级的员工（32.3%为助理/运营层，27.4%为中层管理，39.6%为高管/高级管理层），其在DCT实施方面的经验各不相同。数据集已进行去标识化处理，以在保护受访者隐私的同时保持研究的可复现性。无法从数据集中识别出个别受访者。该数据适用于二次分析、可复现性验证以及全球DCT实施趋势研究。去标识化方法和数据字典作为配套文件提供。
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。
