寻求性别肯定子宫切除术患者的宫颈癌与子宫内膜癌筛查
该数据集来自 clinicaltrials.gov，聚焦寻求性别肯定子宫切除术的跨性别与性别多元（TGD）人群，旨在量化术前宫颈癌筛查与子宫内膜取样的开展率，评估这些检查在 TGD 个体中的必要性，并探索以患者为中心的检查方案
基本信息
资源简介
寻求性别肯定子宫切除术患者的宫颈癌与子宫内膜癌筛查
该数据集英文名为 Cervical and Endometrial Cancer Screening in Patients Seeking Gender-Affirming Hysterectomy，来源于 clinicaltrials.gov，本站归类于肿瘤 / 宫颈癌方向。其关注对象是寻求性别肯定子宫切除术的跨性别与性别多元（TGD）人群，核心议题是术前宫颈癌筛查与子宫内膜取样的开展情况。研究旨在量化这两类检查的实施率，评估其在 TGD 个体中的必要性，并探索以患者为中心的检查方案；同时通过将检查现状与子宫切除术后病理结果相关联，为当前指南一致性照护的现状提供初步数据，并为未来制定循证指南提供早期证据。主题标签包括 Cancer Screening、Transgender、Gender Diverse Populations。
【数据集背景】
跨性别与性别多元人群在寻求性别肯定子宫切除术时，术前是否应常规开展宫颈癌筛查与子宫内膜取样，是临床实践中尚待明确的问题。该研究以这一人群为对象，试图通过量化检查开展率、评估检查必要性，来回应指南一致性照护的现状问题。研究条件涉及 Cancer Screening、Transgender、Gender Diverse Populations，说明其关注点集中在肿瘤筛查与性别多元人群照护的交叉领域。
【数据内容】
源站描述显示，该研究围绕两类检查展开：宫颈癌筛查与子宫内膜取样，均针对性别肯定子宫切除术前的 TGD 个体。研究内容包括量化这两类检查的开展率，评估这些检查在 TGD 个体中的必要性，探索以患者为中心的检查方案，并将检查状态与子宫切除术后病理结果进行相关性分析。数据的具体字段、样本量、变量结构等，源站未提供。
【采集与来源】
该数据集来自 clinicaltrials.gov。源站描述未说明具体的采集方式、采集时间范围、采集机构与地理范围，源站未提供。
【适用场景】
依据源站描述，该数据集可用于了解 TGD 人群在性别肯定子宫切除术前的宫颈癌筛查与子宫内膜取样现状，评估指南一致性照护的当前状态，并为未来循证指南的制定提供初步证据；同时可支持以患者为中心的检查方案相关探讨。其他具体应用场景源站未提供。
【使用方法】
源站未提供具体的使用方法、数据访问方式与分析流程说明。
【质量与限制】
源站描述将该研究定位为提供初步数据与初始证据，说明其结论具有前期探索性质。样本规模、数据完整性、偏倚控制等质量相关信息，源站未提供。
【引用与许可】
源站未提供引用格式与许可条款信息。
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/NCT07075731
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：癌症筛查、跨性别者、性别多元人群。本研究旨在量化在性别肯定子宫切除术之前进行宫颈癌筛查和子宫内膜取样的比率，评估TGD个体对这些检测的需求，并探索以患者为中心的检测选择。通过评估检测状况及其与子宫切除术病理结果的相关性，本研究将提供关于当前指南一致照护现状的初步数据，并为未来制定循证指南提供初步证据。
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。
