推进癌症与初级保健团队对复杂癌症生存者的护理协调
该数据集来自 clinicaltrials.gov,聚焦复杂癌症生存者(伴心血管疾病风险因素的癌症生存者)在癌症与初级保健团队之间的护理协调

基本信息
资源简介
推进癌症与初级保健团队对复杂癌症生存者的护理协调
该数据集来自 clinicaltrials.gov,聚焦复杂癌症生存者(伴心血管疾病风险因素的癌症生存者)在癌症与初级保健团队之间的护理协调。覆盖癌种包括乳腺癌早期(1-3期)、膀胱癌、前列腺癌(腺癌)、子宫内膜癌,并涉及高血压、高脂血症、糖尿病等慢性合并症。数据可用于研究共享照护模式对复杂癌症生存者共病管理的效果,以及利用利益相关者参与策略解决可行性问题,从而优化初级保健参与的照护交付(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:癌症、乳腺癌早期(1-3期)、膀胱癌、前列腺癌(腺癌)、子宫内膜癌、高血压、高脂血症(例如高胆固醇血症)、糖尿病。伴有心血管疾病风险因素的癌症生存者(复杂癌症生存者)是一个不断增长的人群,其发病和死亡风险显著。共享照护模式(当两个或更多不同专科的临床医生照护同一患者时)是复杂癌症生存者的最佳照护交付模式,并已被证明在初级保健参与时能产生最佳的共病管理。我们正在进行和近期研究的结果表明,管理慢性病的生存者不应与其初级保健团队脱节。因此,必须使用利益相关者知情策略来解决可行性问题,以增强
【主题与分类】
主题标签:Cancer、Bladder Cancer、Prostate Cancer (Adenocarcinoma)、Endometrial Cancer、Hypertension、Diabetes Mellitus。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06834204
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/NCT06834204
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:癌症、乳腺癌早期乳腺癌(1-3期)、膀胱癌、前列腺癌(腺癌)、子宫内膜癌、高血压、高脂血症(例如,高胆固醇血症)、糖尿病。伴有心血管疾病风险因素的癌症幸存者(复杂癌症幸存者)是一个日益增长的群体,其发病率和死亡率风险显著。共享照护模式(即两名或多名不同专科的临床医生共同照护同一患者)是复杂癌症幸存者的最优照护提供模式,并已被证明在初级保健参与时能产生最佳的合并症管理效果。我们正在进行和近期研究的结果表明,管理慢性病的幸存者不应与其初级保健团队脱节。因此,必须采用基于利益相关者知情策略来解决可行性问题,以增强共享照护的转化潜力,使多个利益相关者(即癌症照护团队、患者、初级保健团队)对这一照护范式的理解保持一致,并建设基于团队的照护能力。
本研究采用面向传播、理论指导的视角,融合实施科学与照护提供概念框架——探索、规划、实施与维持(EPIS)以及癌症多团队系统(cMTS)——以理解和应对在卫生系统中实施共享照护的多层面因素。这些视角将指导Primary Care Connect(PC2)的定制与实施,PC2是一项卫生系统干预措施,旨在协调复杂癌症幸存者、医疗团队成员和卫生系统实施参与者的理解、能力与实践,以促进针对复杂癌症幸存者的共享照护提供模式的采纳。本研究采用混合III型有效性-实施设计,旨在:(1)吸纳多元的初级保健和卫生系统利益相关者参与,以定制PC2,从而最大限度地使实施策略契合卫生系统和初级保健实践情境;(2)开展一项随机对照试验(n=266名患者),以检验PC2在初级保健连接、慢性疾
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。




