DIPG或复发再放疗脑肿瘤患者及其照护者的HRQL与症状评估
该数据集来自clinicaltrials.gov,聚焦DIPG及复发、再放疗的儿童脑肿瘤患者及其照护者,围绕健康相关生活质量(HRQL)与症状评估展开

基本信息
资源简介
DIPG或复发再放疗脑肿瘤患者及其照护者的HRQL与症状评估
该数据集来自clinicaltrials.gov,聚焦DIPG及复发、再放疗的儿童脑肿瘤患者及其照护者,围绕健康相关生活质量(HRQL)与症状评估展开。源站描述指出,儿童脑肿瘤初次治疗后复发率可达30-100%,复发后需额外治疗,可能损伤正常脑组织,导致神经认知下降和生活质量降低;再放疗是新的治疗选择,但其对生活质量的影响研究不足。该数据可用于分析再放疗与生活质量、症状及神经认知变化的关系,支持相关临床研究与评估(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:DIPG、儿童脑肿瘤、复发、脑肿瘤、DIPG、放射性毒性、辐射暴露、儿童脑肿瘤。许多被诊断为脑肿瘤的儿童在初次治疗后存在显著的疾病复发风险,复发率根据脑肿瘤类型的不同从30-100%不等。疾病复发是脑肿瘤患者中一个严重的临床问题,当复发发生时,需要额外的治疗。这些治疗可能对周围正常脑组织造成进一步损伤,导致神经认知(脑或精神功能)下降和生活质量降低。针对这些患者的一种新治疗选择是给予第二疗程的放疗(再放疗)。然而,再放疗对生活质量的影响研究不足。本研究旨在增加围绕再放疗的知识
【主题与分类】
主题标签:DIPG、Brain Tumor, Pediatric, Recurrent、Brain Tumor, DIPG、Radiation Toxicity、Radiation Exposure、Brain Tumor, Pediatric。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04670016
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/NCT04670016
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
条件:DIPG、脑肿瘤、儿童、复发性、脑肿瘤、DIPG、放射毒性、放射暴露、脑肿瘤、儿童。许多被诊断为脑肿瘤的儿童在初次治疗后疾病复发的风险显著,复发率根据脑肿瘤类型的不同介于30-100%之间。疾病复发是脑肿瘤患者面临的一个严重临床问题,一旦发生,就需要额外的治疗。这些治疗可能对周围正常的脑组织造成进一步损伤,导致神经认知功能(大脑或心理功能)下降和生活质量降低。对于这些患者,一种新的治疗选择是进行第二疗程的放射治疗(再程放疗)。然而,再程放疗对生活质量的影响研究甚少。本研究旨在增进对再程放疗的认识,特别是关于健康相关生活质量(HRQOL)方面。拟议研究的主要目的是描述被诊断为DIPG或复发性脑肿瘤并接受重复放射治疗的儿童及其照护者随时间变化的HRQOL和症状。我们有四个研究目标。
目标1:描述确诊DIPG的儿童以及因复发性脑肿瘤接受再照射治疗的儿童及其照护者随时间变化的HRQOL轨迹和症状。目标2:确定DIPG/复发性脑肿瘤治疗轨迹中HRQOL困难的关键时间点,并查明与HRQOL结局相关的人口学和/或医学后遗症。目标3:根据招募率和保留率,确定对确诊DIPG/复发性脑肿瘤的儿童及其照护者进行HRQL常规评估的可行性。目标4:报告再照射后放射性坏死(RN)的发生率、局部控制率、无进展生存期和总生存期。我们的目标是在研究期间入组25至30对确诊DIPG的患者/照护者组合以及32对因复发性/进展性脑肿瘤接受再RT治疗的患者/照护者组合,并随访患者
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。




