晚期卵巢癌或转移性乳腺癌患者癌症照护时间负担 - 基线调查
本数据集来自 University of Minnesota 与 University of Alabama-Birmingham 招募的转移性乳腺癌或晚期卵巢癌正在接受治疗者,包含所有提供基线调查数据的参与者(n=83),无论其是否最终完成移动应用纵向数据采集

基本信息
资源简介
晚期卵巢癌或转移性乳腺癌患者癌症照护时间负担 - 基线调查
Time burden of cancer care among individuals with advanced ovarian cancer or metastatic breast cancer - Baseline Survey
本数据集来自 University of Minnesota 与 University of Alabama-Birmingham 招募的转移性乳腺癌或晚期卵巢癌正在接受治疗者,包含所有提供基线调查数据的参与者(n=83),无论其是否最终完成移动应用纵向数据采集。数据用于全面测量临床内与居家癌症相关照护所花费的时间,分析聚焦于描述患者对各类癌症照护相关任务的挫败感。可用于研究癌症照护时间负担、患者体验与照护任务挫败感等主题(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2026。
【数据内容】
源站描述(机器翻译,仅供参考):本研究的目的是全面测量正在接受转移性乳腺癌或晚期卵巢癌治疗的个体在临床和居家癌症相关照护上所花费的时间。我们招募了在 University of Minnesota 和 University of Alabama-Birmingham 接受转移性乳腺癌或晚期卵巢癌治疗并完成基线调查的个体。本数据集包含所有提供基线调查数据的参与者(n=83),无论其最终是否完成移动应用纵向数据采集。分析侧重于描述对各类癌症照护相关任务的挫败感。
【主题与分类】
主题标签:time burden、cancer survivorship、ovarian cancer、breast cancer、frustration。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://hdl.handle.net/11299/281650
使用许可:Creative Commons Zero v1.0 Universal。
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://doi.org/10.13020/405b-t479
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
本研究旨在全面测量转移性乳腺癌或晚期卵巢癌患者在接受治疗期间,在诊所和家中用于癌症相关护理的时间。我们招募了在明尼苏达大学和阿拉巴马大学伯明翰分校接受转移性乳腺癌或晚期卵巢癌治疗并完成基线调查的个体。该数据集包括所有提供了基线调查数据的参与者(n=83),无论他们最终是否完成了移动应用程序的纵向数据收集。分析重点在于描述对各种癌症护理相关任务的挫败感。
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。




