使用IVR改善口服抗癌药依从性与症状自我管理
该数据集来自clinicaltrials.gov,聚焦肿瘤与白血病领域,涉及前列腺癌、乳腺癌、结直肠癌、黑色素瘤和白血病患者

基本信息
资源简介
使用IVR改善口服抗癌药依从性与症状自我管理
该数据集来自clinicaltrials.gov,聚焦肿瘤与白血病领域,涉及前列腺癌、乳腺癌、结直肠癌、黑色素瘤和白血病患者。研究通过交互式语音应答系统(IVR)提供评估、提醒和症状管理策略,并在基线、4周、8周和12周进行症状严重程度、抑郁、口服药物信念、自我效能和药片计数访谈。患者随机分为实验组和对照组,均接受12周IVR依从性与症状严重程度评估。数据可用于预测口服抗癌药依从性及症状自我管理效果(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:前列腺肿瘤、乳腺肿瘤、结直肠肿瘤、黑色素瘤、白血病。设计与方法 本研究的一个独特之处在于,评估、提醒和症状管理策略将通过交互式语音应答系统(IVR)提供。该系统已在先前的一项试验和一项药物依从性试点研究中经过测试;它获得了患者的高度满意评价。所有患者将完成入组(基线)、4周、8周和12周访谈,内容涉及症状严重程度、抑郁、对口服药物的信念、自我效能和药片计数。在入组访谈之后,计算机化程序将把患者随机分配到两组之一:实验组和对照组。两组患者都将通过IVR接受为期12周的每周一次的口服抗癌药物依从性和症状严重程度评估。此外,实验组患者
【主题与分类】
主题标签:Prostatic Neoplasms、Breast Neoplasms、Colorectal Neoplasms、Melanoma、Leukemia。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02043184
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/NCT02043184
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
疾病类型:前列腺肿瘤、乳腺肿瘤、结直肠肿瘤、黑色素瘤、白血病。设计与方法 本研究的一个独特之处在于,评估、提醒和症状管理策略将通过交互式语音应答系统(IVR)提供。该系统已在先前的一项试验和一项药物依从性初步研究中得到测试,并获得了患者的高度满意评价。所有患者都将完成入组(基线)、第4周、第8周和第12周的访谈,内容涉及症状严重程度、抑郁、对口服药物的信念、自我效能以及药片计数。入组访谈后,将通过计算机化程序将患者随机分配到两组之一:实验组和对照组。两组患者都将通过IVR接受为期12周的每周一次的口服抗癌药物依从性和症状严重程度评估。此外,实验组患者还将通过IVR接受为期4周的每日提醒电话。在第4周结束时,患者将可以选择将电话减少为每隔一天一次,或在第5至8周继续每日提醒。提醒电话将根据每种药物的周期进行定制。
每日提醒电话中包含一个问题,以确定是否发生了药物变更。若发生变更,则停止提醒电话和/或根据修订后的处方进行调整。实验组患者将收到邮寄的《工具包》。在每周评估电话中报告症状超过指定阈值的患者,将被转介至《工具包》以协助自我管理。对照组在最初8周内不会接到IVR提醒电话。对照组中报告难以按处方服用抗癌药物的患者,将在8周访谈后随机分配,或是在第9至12周期间接受为期4周的每日IVR提醒电话,或是继续留在对照组。被随机分配接受每日IVR提醒电话的患者将在随机分配后收到《工具包》(并且如果在每周评估电话中报告症状超过
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。




