淋巴疼痛与淋巴水肿患者护理数据集
该数据集来自 clinicaltrials.gov,聚焦乳腺癌患者中的淋巴疼痛与手臂淋巴水肿问题,涵盖经济困难、肥胖/高体重指数等风险因素,以及 The-Optimal-Lymph-Flow(TOLF)非药物数字行为干预对疼痛、淋巴液水平、轻度淋巴水肿、心理困扰和生活质量的改善作用

基本信息
资源简介
淋巴疼痛与淋巴水肿患者护理数据集
该数据集来自 clinicaltrials.gov,聚焦乳腺癌患者中的淋巴疼痛与手臂淋巴水肿问题,涵盖经济困难、肥胖/高体重指数等风险因素,以及 The-Optimal-Lymph-Flow(TOLF)非药物数字行为干预对疼痛、淋巴液水平、轻度淋巴水肿、心理困扰和生活质量的改善作用。数据可用于分析淋巴疼痛与淋巴水肿的风险关联,并支持患者护理干预效果的预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:乳腺癌、疼痛、手臂淋巴水肿。经济困难的患者报告淋巴疼痛的可能性高出4.64倍。此外,肥胖/高体重指数是淋巴疼痛和淋巴水肿的重要风险因素。有效管理淋巴疼痛可以降低淋巴水肿风险,逆转轻度淋巴水肿,并改善日常生活功能、心理困扰和生活质量。The-Optimal-Lymph-Flow(TOLF)是一种非药物数字行为干预,旨在培养患者的自我护理技能以促进淋巴流动,从而实现完全疼痛减轻、降低淋巴液水平、逆转轻度淋巴水肿、改善心理困扰和生活质量。值得关注的是,这一有效干预尚未经过调整以减少患者障碍(例如,可获得的护理、费用、时间、旅行、竞争性需求)和卫生系统障碍。
【主题与分类】
主题标签:Breast Cancer、Pain、Lymphedema Arm。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07701018
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/NCT07701018
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:乳腺癌、疼痛、手臂淋巴水肿。经济困难的患者报告淋巴性疼痛的可能性是其他患者的4.64倍。此外,肥胖/高体重指数是淋巴性疼痛和淋巴水肿的重要危险因素。有效管理淋巴性疼痛可降低淋巴水肿风险,逆转轻度淋巴水肿,并改善日常生活功能、心理困扰和生活质量。The-Optimal-Lymph-Flow(TOLF)是一种非药物、数字化行为干预措施,旨在培养患者的自我护理技能,促进淋巴流动,从而实现完全缓解疼痛、降低淋巴液水平、逆转轻度淋巴水肿、改善心理困扰和生活质量。值得关注的是,这一有效干预措施尚未经过调整以减少患者面临的障碍(如可获得的护理、费用、时间、出行、相互冲突的需求)和卫生系统障碍(如干预措施的可及性、人员配备、治疗师),从而使患者——尤其是经济困难的患者——难以及时获得干预。本项目旨在将The-Optimal-Lymph-Flow(TOLF)应用于临床实践。
将在临床实践中实施数字化淋巴疼痛与淋巴水肿评估,开展临床医生培训,并向University Health Kansas City的Richard & Annette Block Cancer Center的淋巴疼痛患者提供TOLF自我护理干预。研究目标为:1)开展一项纳入100例患者的实用性临床实施研究,评估淋巴疼痛评估的实施效果;3)开展一项纳入35例淋巴疼痛患者的实用性、单组、为期12周的临床试验,评估TOLF自我护理干预在真实世界中的临床效果。该项目有望对推进淋巴疼痛与淋巴水肿的患者照护产生重大影响,尤其是对经济困难的患者。该项目将展示如何建设临床能力,以为淋巴疼痛与淋巴水肿患者提供优质照护,在h
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




