计划性冥想改善胰腺切除术患者术后结局
数据涉及围手术期冥想干预的可行性评估,以及干预对焦虑(STAI 评分)和健康相关生活质量(疼痛与睡眠质量)的影响观察,患者随机分为两组,其中一组可使用 Headspace 应用完成正念冥想

基本信息
资源简介
计划性冥想改善胰腺切除术患者术后结局
该数据集来自 clinicaltrials.gov,聚焦接受胰腺切除术的患者,涵盖 Hepatocellular Carcinoma、Pancreas Cancer 与 Biliary Tract Neoplasms 人群。数据涉及围手术期冥想干预的可行性评估,以及干预对焦虑(STAI 评分)和健康相关生活质量(疼痛与睡眠质量)的影响观察,患者随机分为两组,其中一组可使用 Headspace 应用完成正念冥想。可用于研究冥想干预与术后焦虑、疼痛及睡眠质量变化的关系(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:Hepatocellular Carcinoma、Pancreas Cancer、Biliary Tract Neoplasms。主要目标:I. 评估在接受胰腺切除术的患者中实施基于冥想的干预的可行性,以招募、保留和参与者对规定模块的依从性来衡量。II. 评估围手术期冥想干预对焦虑的影响,以 State-Trait Anxiety Inventory(STAI)评分从基线至术后一个月的变化来衡量。次要目标:I. 观察冥想干预与健康相关生活质量(HRQOL)结局中疼痛和睡眠质量从基线至术后一个月变化的关系。大纲:患者被随机分配至2个组之一。ARM I:患者获得 Headspace 应用程序的访问权限。患者完成正念冥想,包括专注呼吸、aw
【主题与分类】
主题标签:Hepatocellular Carcinoma、Pancreas Cancer、Biliary Tract Neoplasms。本站分类:肿瘤/肝癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07608458
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/NCT07608458
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:肝细胞癌、胰腺癌、胆道肿瘤。主要目的:I. 评估在接受胰腺切除术的患者中实施基于冥想的干预措施的可行性,以招募、保留和参与者对规定模块的依从性为衡量指标。II. 评估围手术期冥想干预对焦虑的影响,以状态-特质焦虑量表(STAI)评分从基线至术后一个月的变化为衡量指标。次要目的:I. 观察冥想干预与健康相关生活质量(HRQOL)结局(疼痛和睡眠质量)从基线至术后一个月变化的关系。方案概要:患者被随机分配至2个组之一。第I组:患者获得Headspace应用程序的使用权限。患者完成正念冥想,包括专注呼吸、觉察思维模式和管理走神,术前3周每日一次(QD),每次10分钟,术后1个月每日两次(BID)。患者在整个研究期间佩戴Garmin活动追踪器。
ARM II:患者在出院时可获得Headspace应用程序的使用权限,并将被告知“Basics”冥想包的可用性。患者在整个研究期间佩戴Garmin活动追踪器。
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。




