中国不可手术非小细胞肺癌患者研究
该数据集来自 clinicaltrials.gov，是一项在中国开展的多中心观察性队列研究，同时包含前瞻性原始数据采集和从病历中回顾性收集既往治疗信息
基本信息
资源简介
中国不可手术非小细胞肺癌患者研究
该数据集来自 clinicaltrials.gov，英文名称为 A Study of Participants in China With Non-Small-Cell Lung Cancer That is Unable to be Treated With Surgery，本站归类为肿瘤 / 肺癌，主题标签为 Carcinoma, Non-Small-Cell Lung。这是一项在中国开展的多中心观察性队列研究，同时包含前瞻性原始数据采集和从病历中回顾性收集既往治疗信息，入组并随访在选定中心新诊断的不可手术切除的 IIIB/IIIC/IV 期非小细胞肺癌（NSCLC）患者。研究旨在描述这类患者的临床实践与长期生存获益，并探索生物标志物检测的使用情况、评估真实世界中对患者的潜在经济影响，同时汇总安全性相关事件。
【数据集背景】
非小细胞肺癌是不可手术切除的 IIIB/IIIC/IV 期患者群体中临床关注的重点。该研究针对中国选定中心新诊断的不可手术切除 IIIB/IIIC/IV 期 NSCLC 患者，采用多中心观察性队列设计，既前瞻性采集原始数据，也从病历中回顾性收集既往治疗信息。其目标在于描述这一人群的临床实践和长期生存获益，并进一步探索生物标志物检测的使用状况以及真实世界中的潜在经济影响，安全性相关事件也在汇总范围之内。
【数据内容】
源站描述显示，该研究关注的条件为 Carcinoma, Non-Small-Cell Lung。研究围绕新诊断的不可手术切除 IIIB/IIIC/IV 期 NSCLC 患者展开，内容涉及临床实践描述、长期生存获益、生物标志物检测使用情况、对患者的潜在经济影响以及安全性相关事件的汇总。关于具体变量字段、样本量、随访时长和统计指标等细节，源站未提供。
【采集与来源】
数据来源为 clinicaltrials.gov。研究在中国选定中心开展，为多中心观察性队列研究，采集方式包括前瞻性原始数据采集和从病历中回顾性收集既往治疗信息两部分，入组对象为新诊断的不可手术切除 IIIB/IIIC/IV 期 NSCLC 患者，并对其进行随访。关于各中心数量、入组时间窗和随访频率等，源站未提供。
【适用场景】
基于源站描述，该数据集适用于描述中国不可手术切除 IIIB/IIIC/IV 期 NSCLC 患者的临床实践与长期生存获益，探索生物标志物检测的使用情况，评估真实世界中的潜在经济影响，并汇总安全性相关事件。关于其他具体应用场景，源站未提供。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
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/NCT05872763
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：非小细胞肺癌。这是一项在中国的多中心、观察性队列研究，既包括前瞻性原始数据收集，也包括从病历中回顾性收集既往治疗信息，纳入并随访在选定中心新诊断的不可切除IIIB/IIIC/IV期非小细胞肺癌（NSCLC）患者。本研究旨在描述新诊断的不可切除IIIB/IIIC/IV期NSCLC患者的临床实践和长期生存获益。本研究还旨在探索生物标志物检测的使用情况，并评估真实世界中患者可能承受的经济负担。本研究还将总结安全性相关事件。
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。
