年轻乳腺癌幸存者心理困扰的身心团体干预数据集
该数据集来自 clinicaltrials.gov,聚焦年轻 ER+ 乳腺癌幸存者在内分泌治疗期间的心理困扰问题。数据源于一项双臂随机对照试验,比较 Breath-Body-Mind(BBM)呼吸干预与幸存者教育项目(SEP)的可行性与初步效果,覆盖自我报告量表、fMRI 及神经-内分泌-免疫血液标

基本信息
资源简介
年轻乳腺癌幸存者心理困扰的身心团体干预数据集
该数据集来自 clinicaltrials.gov,聚焦年轻 ER+ 乳腺癌幸存者在内分泌治疗期间的心理困扰问题。数据源于一项双臂随机对照试验,比较 Breath-Body-Mind(BBM)呼吸干预与幸存者教育项目(SEP)的可行性与初步效果,覆盖自我报告量表、fMRI 及神经-内分泌-免疫血液标志物等多源多模态数据。可用于评估身心干预对心理与生理结局的初步影响,并为该研究不足人群的压力靶向干预提供基础性分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:乳腺癌。这是一项双臂随机对照试验(RCT),旨在确定在 Deep South 地区接受内分泌治疗的年轻 ER+ BCS 中开展更大规模、充分把握度试验的可行性,并评估以呼吸为基础的团体干预——Breath-Body-Mind(BBM)——的初步有效性;BBM 是一项创伤知情项目,强调慢节奏相干共振呼吸对心理和生理结局的作用。第二臂为幸存者教育项目(SEP),将作为注意控制,以匹配接触时间和团体设置,从而控制安慰剂效应。本项目将使用多来源和多模态数据,为针对研究不足的幸存者人群的压力靶向干预生成基础性见解。结局指标将在所有臂中评估,包括自我报告测量、fMRI、神经-内分泌-免疫血液标志物。
【主题与分类】
主题标签:Breast Cancer。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07501637
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/NCT07501637
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。这是一项双臂随机对照试验(RCT),旨在确定在深南部接受内分泌治疗的年轻ER+乳腺癌幸存者中开展更大规模、充分把握度的试验的可行性,并评估基于呼吸的团体干预——呼吸-身体-心智(BBM)——在心理和生理结局方面的初步有效性。BBM是一项创伤知情项目,强调慢节奏相干共振呼吸。第二臂为幸存者教育项目(SEP),将作为注意力对照,以匹配接触时间和团体设置,从而控制安慰剂效应。本项目将使用多来源和多模态数据,为针对一个研究不足的幸存者群体的压力靶向干预产生基础性见解。结局指标将在所有组中评估,包括自我报告测量、fMRI、神经-内分泌-免疫血液标志物、多组学分析以及通过腕戴式可穿戴设备(GENEActiv)进行的生理测量。主要结局:1)研究可行性,通过入组率、随机化率、保留率和研究完成率衡量。
我们还将开发一个数据收集系统,并评估其实用性和在未来试验中的扩展能力。次要结局:1)与癌症诊断和治疗相关的心理困扰(事件影响量表修订版,IES-R)在基线和工作坊后6个月之间的变化。探索性结局:1. 使用慢性病治疗功能评估-疲劳量表(FACIT-F)评估疲劳 2. 使用匹兹堡睡眠质量指数(PSQI)和GENEActive设备评估睡眠质量 3. 使用简明疼痛量表(BPI)评估疼痛 4. 使用医院焦虑抑郁量表(HADS)评估焦虑和抑郁症状 5. 使用Morisky服药依从性量表评估药物依从性 6. 使用多维内感受意识评估量表(MAIA)评估内感受意识 7. 使用多维感知社会支持量表(MSPSS)评估感知社会支持 8. N
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。




