中国I-III期非小细胞肺癌多中心病历回顾研究
该数据集来自clinicaltrials.gov,是一项针对中国I-III期非小细胞肺癌(NSCLC)的多中心病历回顾研究

基本信息
资源简介
中国I-III期非小细胞肺癌多中心病历回顾研究
该数据集英文名为 A Multi-centre Chart Review Study of Stage I-III Non-Small Cell Lung Cancer in China,来自 clinicaltrials.gov,本站归类为肿瘤 / 肺癌,主题标签为 Non-Small-Cell Lung。其源站描述指出,研究条件为 Non-Small-Cell Lung,主要目标是了解早期(I-III 期)非小细胞肺癌(NSCLC)患者初始治疗模式的演变。整体来看,这是一项针对中国 I-III 期非小细胞肺癌的多中心病历回顾研究,关注早期 NSCLC 患者在真实诊疗环境中的初始治疗选择及其随时间的变化,属于以病历资料为素材的回顾性、多中心研究设计,面向肺癌临床实践与治疗模式研究场景。
【数据集背景】
非小细胞肺癌是肺癌的主要类型之一,早期(I-III 期)患者的初始治疗决策涉及多学科评估与多种治疗方式的组合。该数据集所对应的研究以中国 I-III 期 NSCLC 患者为对象,采用多中心病历回顾的方式,核心研究目的是理解这一人群初始治疗模式的演变。源站描述明确将研究条件标注为 Non-Small-Cell Lung,并将主要目标表述为了解早期(I-III)NSCLC 患者初始治疗模式的变化,因此该数据集的主题聚焦于治疗模式而非某一特定干预措施的疗效验证。
【数据内容】
该数据集的主题标签为 Non-Small-Cell Lung,本站分类为肿瘤 / 肺癌。源站描述仅说明研究条件与主要目标,即了解早期(I-III)NSCLC 患者初始治疗模式的演变;关于具体病历字段、变量清单、样本量、中心数量、时间跨度、治疗类别细分等数据内容细节,源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。研究设计为多中心病历回顾研究,研究对象为中国 I-III 期非小细胞肺癌患者。除来源站与多中心病历回顾这一设计特征外,关于具体参与中心、病历采集时间范围、抽样方式与数据提取流程等信息,源站未提供。
【适用场景】
基于源站描述,该数据集适用于了解中国早期(I-III 期)NSCLC 患者初始治疗模式及其演变的研究场景,也可用于围绕早期肺癌诊疗实践开展回顾性分析、治疗模式描述性研究等用途。由于源站未提供具体变量与样本信息,其他更细化的分析场景无法据此确认,源站未提供。
【使用方法】
源站未提供具体的使用方法说明,包括数据获取方式、数据结构、变量定义与统计分析方法等,源站未提供。
【质量与限制】
该研究为多中心病历回顾研究,其设计特征决定了数据来源于既有病历记录;关于病历数据的完整性、中心间一致性、偏倚控制与质量核查措施等,源站未提供。此外,源站描述未给出样本量、时间范围与治疗模式的具体结果,相关结论性信息源站未提供。
【引用与许可】
源站未提供引用格式与许可条款信息。该数据集登记于 clinicaltrials.gov,具体引用与使用许可要求源站未提供。
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/NCT07316062
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:非小细胞肺癌。本研究的主要目的是了解早期(I-III期)NSCLC患者初始治疗模式的演变。
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。




