St. John's Wort 缓解癌症化疗或激素治疗患者疲劳的研究
覆盖慢性骨髓增殖性疾病、疲劳、白血病、淋巴瘤、多发性骨髓瘤与浆细胞肿瘤、骨髓增生异常综合征、癌前病变及未指明成人实体瘤等条件

基本信息
资源简介
St. John's Wort 缓解癌症化疗或激素治疗患者疲劳的研究
该数据集来自 clinicaltrials.gov,聚焦于接受化疗或激素治疗的恶性肿瘤患者,研究 Hypericum perforatum(St. John's Wort)缓解疲劳的疗效。覆盖慢性骨髓增殖性疾病、疲劳、白血病、淋巴瘤、多发性骨髓瘤与浆细胞肿瘤、骨髓增生异常综合征、癌前病变及未指明成人实体瘤等条件。研究采用随机、安慰剂对照设计,患者分两组,分别口服 Hypericum perforatum 或安慰剂,每日三次,持续六周。数据可用于探索疲劳与抑郁、焦虑的关系,以及睡眠质量与疲劳水平的相关性,为肿瘤支持治疗提供预测分析基础(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:慢性骨髓增殖性疾病、疲劳、白血病、淋巴瘤、多发性骨髓瘤与浆细胞肿瘤、骨髓增生异常综合征、癌前病变、未指明成人实体瘤、方案特定。目的:I. 确定 Hypericum perforatum(St. John's Wort)在缓解接受化疗或激素治疗的恶性疾病患者疲劳方面的疗效。II. 确定这些患者中疲劳、抑郁和焦虑之间的关系。III. 确定这些患者睡眠质量与疲劳水平之间的相关性。概述:这是一项随机、安慰剂对照研究。患者被随机分配到两个治疗组之一。第 I 组:患者每日口服 Hypericum perforatum(St. John's Wort)三次。第 II 组:患者每日口服安慰剂三次。在未出现恶化的情况下,治疗持续 6 周。
【主题与分类】
主题标签:Chronic Myeloproliferative Disorders、Fatigue、Leukemia、Lymphoma、Myelodysplastic Syndromes、Precancerous Condition。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00005805
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/NCT00005805
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:慢性骨髓增殖性疾病、疲劳、白血病、淋巴瘤、多发性骨髓瘤及浆细胞肿瘤、骨髓增生异常综合征、癌前病变、未明确的成人实体瘤、方案特定。
目的:I. 确定贯叶金丝桃(圣约翰草)在缓解接受恶性肿瘤化疗或激素治疗患者疲劳方面的疗效。II. 确定这些患者中疲劳、抑郁和焦虑之间的关系。III. 确定这些患者睡眠质量与疲劳程度之间的相关性。
概述:这是一项随机、安慰剂对照研究。患者被随机分配到两个治疗组之一。组I:患者每日口服贯叶金丝桃(圣约翰草)3次。组II:患者每日口服安慰剂3次。在症状未恶化或未出现不可接受毒性的情况下,治疗持续6周。患者在研究开始和结束时完成心境状态量表(POMS)和简明疲劳量表。
预计入组人数:本研究预计共入组220名患者(每组110名)。
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。




