美沙酮、吗啡或羟考酮治疗癌症患者疼痛
该数据集来自 clinicaltrials.gov,主题为美沙酮、吗啡或羟考酮在癌症患者疼痛治疗中的应用。覆盖脑和中枢神经系统肿瘤、慢性骨髓增殖性疾病、白血病、淋巴瘤、淋巴增殖性疾病、多发性骨髓瘤和浆细胞肿瘤、骨髓增生异常综合征及骨髓增生异常/骨髓增殖性肿瘤等病种

基本信息
资源简介
美沙酮、吗啡或羟考酮治疗癌症患者疼痛
该数据集来自 clinicaltrials.gov,主题为美沙酮、吗啡或羟考酮在癌症患者疼痛治疗中的应用。覆盖脑和中枢神经系统肿瘤、慢性骨髓增殖性疾病、白血病、淋巴瘤、淋巴增殖性疾病、多发性骨髓瘤和浆细胞肿瘤、骨髓增生异常综合征及骨髓增生异常/骨髓增殖性肿瘤等病种。数据可用于比较阿片类药物轮换至口服美沙酮与轮换至另一种长效强阿片类药物(缓释吗啡或羟考酮)在镇痛效果与耐受性上的差异,并识别最可能从美沙酮轮换中获益的患者亚群(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:脑和中枢神经系统肿瘤、慢性骨髓增殖性疾病、白血病、淋巴瘤、淋巴增殖性疾病、多发性骨髓瘤和浆细胞肿瘤、骨髓增生异常综合征、骨髓增生异常/骨髓增殖性肿瘤。目的:主要 比较阿片类药物轮换至口服美沙酮与阿片类药物轮换至另一种长效强阿片类药物(缓释吗啡或羟考酮)在控制癌症患者疼痛(即镇痛)方面的有效性。次要 比较阿片类药物轮换至口服美沙酮与阿片类药物轮换至另一种长效强阿片类药物(缓释吗啡或羟考酮)的耐受性。* 确定最可能从阿片类药物轮换至口服美沙酮中获益的患者亚群,即疼痛控制或阿片类药物耐受性显著改善的患者。概要:这是一项 mu
【主题与分类】
主题标签:Brain and Central Nervous System Tumors、Chronic Myeloproliferative Disorders、Leukemia、Lymphoma、Lymphoproliferative Disorder、Myelodysplastic Syndromes、Pain、Precancerous Condition。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00726830
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/NCT00726830
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:脑与中枢神经系统肿瘤、慢性骨髓增殖性疾病、白血病、淋巴瘤、淋巴增殖性疾病、多发性骨髓瘤与浆细胞肿瘤、骨髓增生异常综合征、骨髓增生异常/骨髓增殖性肿瘤。目的:主要 * 比较阿片类药物轮换为口服美沙酮与阿片类药物轮换为另一种长效强阿片类药物(缓释吗啡或羟考酮)在控制癌症患者疼痛(即镇痛)方面的有效性。次要 * 比较阿片类药物轮换为口服美沙酮与阿片类药物轮换为另一种长效强阿片类药物(缓释吗啡或羟考酮)的耐受性。 * 确定最有可能从阿片类药物轮换为口服美沙酮中获益的患者亚群,即在疼痛控制或阿片类药物耐受性方面有显著改善的患者。方案概述:这是一项多中心研究。患者根据其基线阿片类药物(吗啡 vs 羟考酮)进行分层。患者被随机分配到2个治疗组中的1组。* 第I组:患者从当前使用的阿片类药物(羟考酮或吗啡)转换为美沙酮。
患者每日口服美沙酮2-3次,持续4周。* 第二组:目前正在接受羟考酮治疗的患者转换为缓释(SR)吗啡。目前正在接受吗啡治疗的患者转换为缓释羟考酮。患者每日口服缓释吗啡或羟考酮2-3次,持续4周。在第1、8、15、22和28天对患者的疼痛控制情况进行评估,并完成症状问卷。
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。




