低危害香烟替代品可接受性研究
该数据集来自 clinicaltrials.gov,聚焦低危害香烟替代品的可接受性研究,覆盖膀胱癌、宫颈癌、食管癌、胃癌、头颈癌、肾癌、白血病、肝癌等多种肿瘤人群及烟草使用障碍

基本信息
资源简介
低危害香烟替代品可接受性研究
该数据集来自 clinicaltrials.gov,聚焦低危害香烟替代品的可接受性研究,覆盖膀胱癌、宫颈癌、食管癌、胃癌、头颈癌、肾癌、白血病、肝癌等多种肿瘤人群及烟草使用障碍。数据可用于评估事实信息对相对危害信念的影响、尝试无烟与尼古丁替代产品对使用意向的影响,并探索吸烟者使用替代品的障碍及效应量估计,服务于烟草危害认知与替代行为相关分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:膀胱癌、宫颈癌、食管癌、胃癌、头颈癌、肾癌、白血病、肝癌。目标:主要 评估关于无烟(SL)/尼古丁替代(NR)产品相对危害的事实信息(一份事实说明)对参与者关于相对危害性的信念的影响。 评估尝试NR和/或SL产品样本对将这些产品作为香烟替代品使用意向的影响。次要 探索关于吸烟烟草的事实信息对吸烟者将这些产品作为香烟替代品使用意向的影响。 评估使用NR和SL产品作为香烟替代品的潜在障碍。* 获得可能效应量的估计,以为拟议的全面测试提供把握度,该测试针对优先使用这些产品而非香烟的可能结果。
【主题与分类】
主题标签:Bladder Cancer、Cervical Cancer、Esophageal Cancer、Gastric Cancer、Head and Neck Cancer、Kidney Cancer、Leukemia、Liver Cancer、Lung Cancer、Pancreatic Cancer。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00957424
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/NCT00957424
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:膀胱癌、宫颈癌、食管癌、胃癌、头颈癌、肾癌、白血病、肝癌。目的:主要 * 评估关于无烟(SL)/尼古丁替代(NR)产品相对危害的事实信息(情况说明书)对参与者关于相对危害性的信念的影响。 * 评估尝试NR和/或SL产品样本对使用此类产品作为香烟替代品的意图的影响。次要 * 探讨关于吸烟烟草的事实信息对吸烟者使用此类产品作为香烟替代品的意图的影响。 * 评估使用NR和SL产品作为香烟替代品的潜在障碍。 * 获取可能的效应大小估计,以便为 proposed 全面测试使用这些产品替代香烟(及其他吸烟产品)的可能结果提供动力。
大纲:参与者在烟草研究实验室使用电脑完成一项为期10-15分钟的基于网络的调查,以评估基本人口统计学信息;对尼古丁替代(NR)产品和无烟(SL)产品相对危害性的看法,包括使用国际烟草控制(ITC)四国调查中的相关问题;过去使用NR和SL产品的经历及对其的看法;以及尝试未曾使用过的NR/SL产品样本的意愿,若不愿意,则了解拒绝的原因。参与者在听取信息表录音的同时还会收到一份信息表。参与者在第2、3和4周完成问卷。从研究干预后2周开始,部分参与者获得一天用量≤4的无烟烟草或尼古丁产品,并定期接受呼气CO检测以及唾液和颊细胞样本采集。在第3和4周完成调查并采集样本。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




