肌肉减少症对抗癌治疗相关毒性发生的影响
该数据集来自 clinicaltrials.gov,为单中心、干预性、前瞻性研究,聚焦肌肉减少症与抗癌治疗相关毒性之间的关系

基本信息
资源简介
肌肉减少症对抗癌治疗相关毒性发生的影响
该数据集来自 clinicaltrials.gov,为单中心、干预性、前瞻性研究,聚焦肌肉减少症与抗癌治疗相关毒性之间的关系。研究对象为接受一线全身肿瘤治疗且患癌的患者,在首次化疗时进行肌肉减少症评估(阻抗测量、握力与坐立测试)并发放活动记录仪,随后在第二疗程及第6次数据收集时随访。数据可用于分析肌肉减少症、身体活动不足与化疗毒性发生的关联,支持肿瘤治疗毒性风险预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:肌肉减少症、肿瘤、身体活动不足、化疗所致毒性。本研究为在 Centre Hospitalier Metropole Savoie 开展的单中心、干预性、前瞻性研究,将在患有癌症且已获得一线全身肿瘤治疗指征的患者中进行。纳入访视(V1)将在首次化疗期间进行,包括用于评估肌肉减少症的研究特异性测量(阻抗测量、握力与坐立测试)以及向患者发放活动记录仪。这些在临床实践之外进行的检查预计耗时15分钟,对患者不构成特殊风险。数据收集1(R1)将在第二疗程化疗期间进行,数据收集2(R2)将在第6
【主题与分类】
主题标签:Sarcopenia、Oncology、Physical Inactivity、Toxicity Due to Chemotherapy。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06274268
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/NCT06274268
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:肌少症、肿瘤学、身体活动不足、化疗毒性。本研究为单中心、干预性、前瞻性研究,在萨瓦都会医院中心开展,研究对象为患有癌症且已获得一线全身性肿瘤治疗适应症的患者。入组访视(V1)将在首次化疗 session 期间进行,包括用于评估肌少症的研究特定测量(阻抗测定、握力和坐立试验)以及向患者发放活动监测仪。这些在临床常规之外进行的检查预计耗时15分钟,对患者不构成特殊风险。数据采集1(R1)将在第二个化疗疗程期间进行,数据采集2(R2)将在治疗开始后6个月进行,数据采集3(R3)将在治疗开始后12个月进行。入组基于医疗档案的标准化提取。
将向在辅助或新辅助乳腺癌治疗背景下接受AC/PACLITAXEL方案治疗的患者提供一项探索性研究,该研究将包括在首次注射PACLITAXEL期间进行的第二次可选访视(可选V1.1)。将在第一个周期期间进行可选的数据收集(R1.1),以收集活动记录仪数据。并将在PACLITAXEL理论结束日期后2周进行可选的数据收集(R1.2),以便将间隔期内的神经病变和毒性分级记录在案。这些访视将作为患者常规诊疗的一部分进行。除阻抗测量、握力、坐立试验和活动记录仪外,该方案不会引入其他临床、辅助检查干预或生物学分析。
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。




