重大内脏肿瘤手术前数字化支持预康复
该数据集来自 clinicaltrials.gov,聚焦重大内脏肿瘤手术前的数字化支持预康复,覆盖胰腺、肝脏、胆道、胃和食管手术患者

基本信息
资源简介
重大内脏肿瘤手术前数字化支持预康复
该数据集来自 clinicaltrials.gov,聚焦重大内脏肿瘤手术前的数字化支持预康复,覆盖胰腺、肝脏、胆道、胃和食管手术患者。源站描述指出,这类患者常存在体能储备下降、营养状况受损、肌少症、癌因性疲乏、运动耐量降低、心理困扰及多重合并症,这些因素与术后并发症、恢复延迟、康复推迟、生活质量下降和医疗资源使用增加相关。数据可用于预康复相关研究、术后风险与康复结局分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:胃肠道肿瘤、胰腺肿瘤、肝脏肿瘤、食管癌、胃肠道癌症、胰腺癌、肝癌、预康复。重大内脏肿瘤手术仍是现代癌症治疗中对生理要求最高的治疗干预之一。接受胰腺、肝脏、胆管、胃或食管手术的患者常表现为体能储备下降、营养状况受损、肌少症、癌因性疲乏、运动耐量降低、心理困扰及多重合并症。这些因素在很大程度上导致术后并发症、恢复时间延长、康复延迟、生活质量下降和医疗资源使用增加。尽管外科和围手术期护理取得进展,重大内脏肿瘤手术后并发症仍很常见。功能
【主题与分类】
主题标签:Gastrointestinal Neoplasms、Pancreatic Neoplasms、Liver Neoplasm、Oesophageal Cancer、Gastrointestinal Cancer、Pancreatic Cancer、Liver Cancer、Prehabilitation、Cancer Rehabilitation。本站分类:肿瘤/肝癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07658313
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/NCT07658313
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:胃肠道肿瘤、胰腺肿瘤、肝脏肿瘤、食管癌、胃肠道癌症、胰腺癌、肝癌、预康复。重大内脏肿瘤手术仍是现代癌症治疗中对生理要求最高的治疗干预措施之一。接受胰腺、肝脏、胆管、胃或食管手术的患者常表现为体能储备下降、营养状况受损、肌少症、癌因性疲乏、运动耐量降低、心理困扰及多种合并症。这些因素在很大程度上导致了术后并发症、康复延迟、功能恢复延缓、生活质量下降及医疗资源利用增加。尽管外科及围手术期治疗取得了进展,重大内脏肿瘤手术后并发症仍较为常见。术后功能下降还可能影响辅助肿瘤治疗的启动或完成,从而可能影响长期预后。
因此,通过优化患者术前状态并在整个围手术期路径中支持康复连续性的策略,日益被认为具有临床相关性。预康复旨在通过有针对性的干预措施,改善患者术前的生理和心理准备状态,通常包括运动训练、营养优化、心理支持和健康教育。既往研究表明,预康复可能改善功能能力,并可能有助于改善术后康复。然而,在实施可行性、融入常规临床照护、预康复与康复之间的长期连续性,以及数字技术在支持患者参与和依从性方面的作用等方面,仍存在重要空白。在奥地利,针对接受大型内脏肿瘤手术的患者,结构化的预康复路径目前尚未常规实施。此外,围手术期照护路径往往仍然碎片化,尤其是在从外科住院过渡到康复
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。




