女性职业暴露与癌症风险前瞻性队列研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT00342004

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

疾病类型：肺癌、非霍奇金淋巴瘤、乳腺癌、胃癌、脑癌。拟在中国上海开展一项前瞻性队列研究，以评估女性癌症的职业和环境危险因素。将通过基于社区的癌症教育项目，招募约75，000名年龄在40-69岁之间、居住在上海两个城区八个地理界定社区的妇女。所有符合条件的对象将由附近卫生站的当地卫生工作者邀请到诊所进行访谈和选定的人体测量。访谈将获取人口学背景、饮食、生活方式因素、病史、终生职业史和过去20年的居住史等信息。此外，还将询问这些妇女其丈夫当前和通常的职业、人口学信息及少数其他暴露因素。将采集所有队列成员的 spot urine sample 和10 ml血液。在未提供血液样本的参与者中，将采集口腔细胞样本。

所有生物样本将保存在-70°C条件下，以备将来对特定职业和环境致癌物的遗传多态性、尿液代谢物以及DNA和血红蛋白加合物进行检测。队列成员及其丈夫将通过每年重新联系以及与基于人群的上海癌症登记处、上海生命统计和上海居民登记处的档案链接，进行癌症结局的随访。所有癌症病例的医疗记录和病理切片将被审查，以核实其诊断。在随访期间被诊断出癌症的所有队列成员将采集诊断后血液样本，并储存以备将来的方法学和病因学研究。拟议的初始研究期为5年，平均随访约3.5年。然而，我们预计随访将持续10年或更长时间。

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。