PLCO膀胱癌数据集
PLCO Bladder 数据集包含前列腺、肺、结直肠和卵巢癌筛查试验中与膀胱癌发病率和死亡率分析相关的临床数据。由National Cancer Institute提供，来自Cancer Data Access System，数据格式为表格，包含155000条数据记录，适用于分类任务。
基本信息
资源简介
PLCO膀胱癌数据集
【一句话概览】
PLCO 膀胱数据集可在 CDAS 上交付，每个数据集均公开提供描述数据的数据字典。要获取 SAS 或 CSV 格式的实际数据，须新建 PLCO 项目，项目获批并完成数据传输协议后数据才会交付。该膀胱数据集是综合性数据集，包含几乎所有可用于膀胱癌发病率和死亡率分析的 PLCO 研究数据，约 155,000 名 PLCO 试验参与者每人对应一条记录（来源 cdas.cancer.gov）。
【数据集背景】
本数据集源站标题为《Bladder》。
【数据内容】
源站原始描述：The following PLCO Bladder dataset(s) are available for delivery on CDAS. For each dataset, a Data Dictionary that describes the data is publicly available. In order to obtain the actual data in SAS or CSV format, you must begin a new PLCO project. Data will be delivered once the project is approved and data transfer agreements are completed. To learn more about the Bladder data collected as part of the study, visit the PLCO Data Collected documentation page. The Bladder dataset is a comprehensi…
中文译文（机器翻译，仅供快速理解，请以原文为准）：以下PLCO膀胱数据集可通过CDAS交付。每个数据集均配有公开可获取的数据字典，用以描述数据内容。如需获取SAS或CSV格式的实际数据，您必须启动一个新的PLCO项目。项目获批并完成数据传输协议后，数据将被交付。欲了解更多关于研究中收集的膀胱数据信息，请访问PLCO数据收集文档页面。膀胱数据集是一个综合数据集，包含了几乎所有可用于膀胱癌发病率和死亡率分析的PLCO研究数据。该数据集为PLCO试验中约155,000名参与者每人包含一条记录。
【主题与分类】
主题标签：Bladder、PLCO、bladder cancer、cancer incidence、mortality。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://cdas.cancer.gov/datasets/plco/18/
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://cdas.cancer.gov/datasets/plco/18/
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
PLCO Bladder 数据集包含前列腺、肺、结直肠和卵巢癌筛查试验中与膀胱癌发病率和死亡率分析相关的临床数据。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
