Armodafinil 治疗原发性脑肿瘤放疗所致疲劳
该数据集来自 clinicaltrials.gov,聚焦原发性脑肿瘤患者接受部分或全脑放疗后出现的疲劳问题,属于肿瘤与脑肿瘤领域

基本信息
资源简介
Armodafinil 治疗原发性脑肿瘤放疗所致疲劳
该数据集来自 clinicaltrials.gov,聚焦原发性脑肿瘤患者接受部分或全脑放疗后出现的疲劳问题,属于肿瘤与脑肿瘤领域。研究以随机分组方式比较 Armodafinil 与安慰剂,主要评估入组、依从、留存与参与情况,并估计疲劳、生活质量与神经认知功能的变异性;次要目标包括用 FACIT-F 疲劳分量表和 Brief Fatigue Inventory 初步估计 Armodafinil 对疲劳的效果,评估毒性及不良事件发生率,以及用 Epworth Sleep Scale、FACT-G 脑分量表初步估计对嗜睡、整体与脑特异性生活质量的影响。可用于疲劳相关预测与疗效评估研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:脑肿瘤、神经系统肿瘤、认知障碍、疲劳。目标:主要 评估接受部分或全脑放疗的原发性脑肿瘤患者被随机分配接受 armodafinil 或安慰剂后的入组、依从性、留存和参与情况。 评估这些患者疲劳、生活质量和神经认知功能的变异性。次要 获得 armodafinil 对疲劳影响的初步估计,通过 FACIT-F 的疲劳分量表和 Brief Fatigue Inventory 测量。 评估与 armodafinil 相关的毒性和不良事件发生率。* 获得 armodafinil 对嗜睡影响的初步估计,通过 Epworth Sleep Scale 测量;整体生活质量和脑特异性生活质量,通过 FACT-G 的脑分量表测量;以及 co
【主题与分类】
主题标签:Brain Tumors、Nervous System Tumors、Cognition Disorders、Fatigue。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01032200
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/NCT01032200
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
疾病:脑肿瘤、神经系统肿瘤、认知障碍、疲劳。目的:主要 * 评估接受部分或全脑放疗的原发性脑肿瘤患者,随机接受阿莫达非尼或安慰剂治疗的研究招募、依从性、保留率和参与度。 * 评估这些患者疲劳、生活质量和神经认知功能的变异性。次要 * 初步估计阿莫达非尼对疲劳的影响,通过FACIT-F的疲劳子量表和简要疲劳量表测量。 * 评估与阿莫达非尼相关的毒性和不良事件发生率。 * 初步估计阿莫达非尼对嗜睡的影响,通过Epworth嗜睡量表测量;整体生活质量和脑特异性生活质量,通过FACT-G及其脑子量表测量;以及认知功能,通过维克森林综合认知功能测试组合测量。概述:这是一项多中心研究。患者根据治疗(单纯放疗 vs 放疗和化疗)和Karnofsky体能状态(60-80% vs 90-100%)进行分层。
患者被随机分配到2个组中的1个。* I组:患者从脑放疗第五次分割前开始口服阿莫达非尼,每日一次,持续9-11周,除非出现不可接受的毒性。* II组:患者从脑放疗第五次分割前开始口服安慰剂,每日一次,持续9-11周,除非出现不可接受的毒性。患者在基线和研究期间定期完成评估疲劳、生活质量和神经认知功能的问卷。
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。




