面向多样化癌症患者群体的基因检测新型教育材料开发

数据集获取

源站：https://clinicaltrials.gov/study/NCT04751435

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

条件：遗传检测、乳腺癌、卵巢癌、前列腺癌、胰腺癌、结直肠癌的教育材料。本提案的目标是开发、测试并评估一种主流化（LCAM）模型，用于在多种不同类型的癌症患者中进行遗传性癌症多基因面板检测（MGPT）。核心假设是，与作为标准治疗组代表的传统遗传服务模式相比，这种LCAM遗传检测模型将带来更好的患者决策、心理社会和行为结果。在第一阶段，研究人员将首先进行形成性研究，包括跨文化改编和认知访谈，以调整我们现有的教育材料（手册和视频）和临床沟通材料（门诊访问摘要和家庭传播信息），使LCAM模型对来自不同背景的患者都有用。在第二阶段，研究人员将进行一项随机临床试验（RCT），以在本地社区医院接受治疗的患者中测试和评估LCAM模型用于遗传性癌症MGPT的效果，并与标准治疗进行比较。

被诊断为乳腺癌、结直肠癌、卵巢癌、胰腺癌或前列腺癌的患者将通过以下两种方式之一接受遗传性癌症MGPT：i）标准诊疗，即通过远程遗传学（视频会议）提供深入的检测前和检测后遗传咨询；或ii）LCAM干预，即患者接受由研究工作人员和/或临床工作人员提供的经过调整的检测前教育材料，并由其肿瘤科医生开具检测，随后通过远程遗传学进行检测后遗传咨询，同时使用健康和遗传“素养筛查工具”以及经过调整的临床沟通材料。参与者将被前瞻性随访，并完成由经过验证的测量工具和研究者设计的测量工具组成的评估。第2阶段的主要结局包括基因检测决策满意度和遗传咨询满意度。次要结局包括其他决策、心理社会和 behavioral 结局。对于第2阶段，参与者将从我们的合作

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。