癌症幸存者社会风险因素与歧视研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT05301114

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：健康的社会决定因素、乳腺癌、前列腺癌、健康公平、差异。尽管随着时间推移癌症结局有所改善，但黑人与白人癌症幸存者之间仍存在显著差异。据估计，临床照护（包括照护可及性和照护质量）约占健康结局的20%，而其他因素（包括健康的社会决定因素（SDoH）和个体的社会风险因素）解释了80%的健康结局。因此，本研究的目标是同时针对不公平的医疗保健系统，并加速可扩展的健康社会决定因素筛查和转诊的证据基础，以减少癌症幸存者健康与福祉方面的不平等。本项目旨在建立可持续的临床-社区联系，并改善幸存者的健康与福祉。了解该人群中社会需求的负担、可用的社区资源，并巩固以解决这些需求为目标的整合式闭环转诊系统，对于改善癌症幸存者的生活质量至关重要。

本研究的长期目标是开发可扩展的干预措施，以解决癌症幸存者的社会需求并为其提供支持。该研究旨在：1）通过梳理华盛顿特区各地癌症幸存者可利用的资源，并在特区三家癌症中心建立通用筛查和转诊流程，改善护理协调与信息交流；2）确定社区卫生工作者（CHWs）支持对癌症幸存者健康和福祉的影响，以社会联系和生活质量衡量；3）确定对三家癌症中心工作人员和临床医生开展反种族主义（包括SDOH）培训对提供者文化能力和患者报告的感知歧视的影响。此外，本研究评估SDOH收集和转诊的实施、影响及因果机制，以减少癌症幸存者中的种族不平等。研究者采用创新方法，依托系统将诊所与社区联系起来

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。