接受口服靶向治疗的CML和GIST患者的困扰、用药依从性与照护需求

该数据集来自clinicaltrials.gov,聚焦新诊断且需接受口服靶向治疗的CML和GIST患者,采用前瞻性面板研究设计进行12个月纵向随访

National Taiwan University HospitalNational Taiwan University Hospital
clinicaltrials
浏览 12
表格预测CMLGIST
Distress, Medication Adherence and Care Needs in Patients With CML and GIST Receiving Oral Targeted Therapy

基本信息

模态
表格
任务类型
预测
创建/更新时间
2026-10-18

资源简介

接受口服靶向治疗的CML和GIST患者的困扰、用药依从性与照护需求

该数据集来自clinicaltrials.gov,聚焦新诊断且需接受口服靶向治疗的CML和GIST患者,采用前瞻性面板研究设计进行12个月纵向随访。评估时间点包括首次靶向治疗前以及治疗第1、2、3、6、12个月(T1-T6),内容涉及困扰、用药依从性与照护需求。研究经机构审查委员会审核,由研究护士招募并获取书面知情同意后安排访谈,并对研究助理进行数据采集质量培训。数据可用于分析患者治疗过程中的心理困扰、依从行为与照护需求变化(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:CML、GIST。前瞻性面板研究,一项为期12个月的纵向随访研究。合格受试者为新诊断的CML和GIST患者,且需要接受靶向治疗。患者将在首次接受靶向治疗之前以及第1、2、3、6、12个月(分别为T1-T6)的时间点接受评估。本研究开展前,机构审查委员会将审查该研究。研究护士将在患者初始接受口服靶向治疗后接触潜在参与者,并邀请他们加入研究。潜在参与者将被告知研究目的和访谈内容。获得书面同意后,将安排访谈。为控制数据收集质量,研究者将培训这些研究助理。研究培训将包括关于收集的伦理关切

【主题与分类】

主题标签:CML、GIST。本站分类:肿瘤/胃肠道间质瘤(GIST)。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT03880617

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT03880617

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:CML、GIST。前瞻性小组研究,一项为期12个月的随访纵向研究。符合条件的受试者为新诊断的CML和GIST患者,且需要接受靶向治疗。患者将在首次接受靶向治疗前以及第1、2、3、6、12个月(分别为T1-T6)的时间点接受评估。本研究开展前,机构审查委员会将对研究进行审查。研究护士将在患者初次接受口服靶向治疗後に接触潜在参与者,并邀请其加入研究。潜在参与者将被告知研究目的和访谈内容。获得书面知情同意后,将安排访谈。为控制数据收集质量,研究者将对这些研究助理进行培训。研究培训将包括研究数据收集的伦理问题、接触合格受试者的方法、访谈技巧以及数据收集的预试验。培训将由本研究的PI和Co-PI为研究助理提供。研究助理培训。

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。

获取专属数据定制方案