将系统性患者报告评估整合到多学科肿瘤委员会:INSPIRE 研究
该数据集来自 clinicaltrials.gov,属于肿瘤/乳腺癌领域,聚焦将电子患者报告结局纳入多学科肿瘤委员会讨论的 INSPIRE 干预研究

基本信息
资源简介
将系统性患者报告评估整合到多学科肿瘤委员会:INSPIRE 研究
该数据集来自 clinicaltrials.gov,属于肿瘤/乳腺癌领域,聚焦将电子患者报告结局纳入多学科肿瘤委员会讨论的 INSPIRE 干预研究。研究采用多方法设计,包含患者与临床医生/提供者两类参与者:患者部分包括前瞻性观察队列及后续随机对照试验;临床医生部分包括肿瘤委员会讨论录音及可选的半结构化访谈,以了解干预的可行性、有用性、工作流程与实施挑战。覆盖乳腺癌、子宫体癌、卵巢癌、胰腺癌及其他女性生殖器恶性肿瘤,可用于评估患者报告结局整合对肿瘤决策与实施效果的影响(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、子宫体癌、卵巢癌、胰腺癌、其他女性生殖器恶性肿瘤。研究类型/设计 这项多方法研究将包括两个参与者组:患者参与者和临床医生/提供者参与者。患者部分包括一项初始前瞻性观察队列,随后是一项 INSPIRE 干预的随机对照试验,该干预涉及将电子患者报告结局纳入肿瘤委员会讨论。临床医生/提供者部分包括多学科肿瘤委员会讨论的音频录音,以及可选的、研究后对临床医生/提供者的半结构化访谈,以了解 INSPIRE 干预的经验,包括可行性、有用性、工作流程考虑和实施挑战。患者参与者 同意参与的患者将完成患者
【主题与分类】
主题标签:Breast Cancer、Corpus Uteri Cancer、Ovary Cancer、Pancreas Cancer、Other Female Genital Malignant Neoplasms。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07671937
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/NCT07671937
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、子宫体癌、卵巢癌、胰腺癌、其他女性生殖系统恶性肿瘤。研究类型/设计:本多方法研究将包括两个参与者组别:患者参与者和临床医生/提供者参与者。患者部分包括一项初步的前瞻性观察性队列研究,随后进行INSPIRE干预的随机对照试验,该干预涉及将电子患者报告结局纳入肿瘤委员会讨论。临床医生/提供者部分包括对多学科肿瘤委员会讨论的录音,以及可选的与研究后临床医生/提供者的半结构化访谈,以了解INSPIRE干预的经验,包括可行性、有用性、工作流程考虑因素和实施挑战。患者参与者:同意参与的患者将在基线、3个月和6个月时完成患者报告问卷。问卷可根据患者偏好,通过短信或电子邮件在线完成,由研究助理通过电话录入回答,亲自在平板电脑上完成,或以纸质形式完成。
基线问卷将包括有关健康、日常功能、生活质量、营养、认知、社会支持、照护者支持、治疗偏好和决策偏好等问题。在UAB,其中一些电子患者报告结局可能已作为标准临床护理的一部分被收集。如果患者已作为标准护理的一部分完成了重叠的问卷,则不会要求患者重复回答这些问题。相反,研究团队将出于研究目的从电子病历或电子患者报告结局系统中提取相关信息。如果患者尚未完成标准护理问卷,则患者将以英语或西班牙语完成研究专用的REDCap问卷。对于初始观察队列中的患者,基线问卷的完成可能在入组后2周内进行。如果患者未完成超过50%的问题
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。




