老年妇科癌症患者体力活动干预研究(Fit4Treatment)
该数据集来自 clinicaltrials.gov,聚焦老年妇科癌症患者的体力活动干预研究(Fit4Treatment),覆盖卵巢癌、子宫内膜癌、子宫癌、宫颈癌、外阴癌和阴道癌
基本信息
资源简介
老年妇科癌症患者体力活动干预研究(Fit4Treatment)
该数据集来自 clinicaltrials.gov,聚焦老年妇科癌症患者的体力活动干预研究(Fit4Treatment),覆盖卵巢癌、子宫内膜癌、子宫癌、宫颈癌、外阴癌和阴道癌。源站描述指出,老年妇科癌症患者晚期比例高、组织学更具侵袭性,常需化疗、免疫或靶向治疗,而癌症本身及治疗加速衰老并导致功能下降、衰弱、生活质量降低及治疗完成率下降。体力活动已被证明可改善功能健康与生活质量,该数据可用于分析干预对功能状态、衰弱及治疗完成情况的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:卵巢癌、子宫内膜癌、子宫癌、宫颈癌、宫颈癌、外阴癌、阴道癌。妇科癌症包括卵巢癌、子宫癌和宫颈癌,在美国每年代表102,000例癌症病例;60%发生在60岁以上的女性中。老年妇科癌症患者就诊时晚期阶段比例更高、组织学更具侵袭性,并且更常需要化疗、免疫治疗或靶向治疗等全身治疗的辅助治疗。这种化疗以及潜在的癌症会导致加速衰老和毒性,使女性易出现功能下降、衰弱增加、健康相关生活质量下降,并最终导致全身治疗完成率降低和癌症生存率较差。体力活动已被证明可改善功能健康、改善生活质量
【主题与分类】
主题标签:Ovary Cancer、Endometrial Cancer、Uterine Cancer、Cervical Cancer、Cervix Cancer、Vulvar Cancer、Vaginal Cancer。本站分类:肿瘤/宫颈癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05743517
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/NCT05743517
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
疾病:卵巢癌、子宫内膜癌、子宫癌、宫颈癌、子宫颈癌、外阴癌、阴道癌。妇科癌症包括卵巢癌、子宫癌和宫颈癌,在美国每年有102,000例癌症病例;其中60%发生在60岁以上的女性中。老年妇科癌症患者在就诊时分期较晚的比例更高,组织学类型更具侵袭性,且更常需要接受化疗、免疫治疗或靶向治疗等全身性辅助治疗。这些化疗以及 underlying cancer 本身会导致加速衰老和毒性反应,使女性易出现功能衰退、衰弱加重、健康相关生活质量下降,最终导致全身治疗完成率降低和癌症生存率较差。体力活动已被证明可改善功能健康、提高生活质量、延缓衰老并降低衰弱发生率。事实上,体力活动及其带来的多系统健康益处,是最被推荐的衰弱干预措施。
癌症幸存者的身体活动干预可减少久坐时间、减缓功能衰退并降低死亡率。针对正在接受积极癌症治疗患者的研究较少,但多项随机试验发现,此类干预可减缓心肺适能下降、降低化疗毒性并减少化疗剂量下调。尽管老年妇科癌症患者从身体活动中获益的可能性很高,但获取现有干预措施仍存在障碍。传统的面对面高强度身体活动干预采用固定目标,可能不适合正在接受化疗的老年女性,因为其症状负担高且多样,就医频繁。远程提供的基于移动健康(mHealth)技术的身体活动干预可提高不同人群的身体活动水平,包括转移性癌症患者。四种基于证据的增加身体活动的策略已在癌症患者和老年人中显示出有效性,包括
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。




