CHOICE:中国IV期NSCLC患者EGFR-TKI决策因素研究

该数据集来自clinicaltrials.gov,聚焦中国IV期非小细胞肺癌(NSCLC)患者与医生在一线EGFR-TKI治疗中的偏好与决策因素

AstraZenecaAstraZeneca
clinicaltrials
浏览 3
表格分类Non-Small Cell Lung Cancer
CHOICE:Decision Factor of EGFR-TKI in Chinese IV NSCLC

基本信息

模态
表格
任务类型
分类
创建/更新时间
2026-10-10

资源简介

CHOICE:中国IV期NSCLC患者EGFR-TKI决策因素研究

该数据集来自clinicaltrials.gov,聚焦中国IV期非小细胞肺癌(NSCLC)患者与医生在一线EGFR-TKI治疗中的偏好与决策因素。研究采用非干预性横断面设计,通过问卷收集数据,核心方法为离散选择实验(DCE)。研究分两阶段:第一阶段为研究设计与问卷开发,包括确定DCE关键属性与水平、构建假设患者画像以探索医生决策中的高风险因素,以及问卷编程、内部审核、预测试、修订与定稿;第二阶段涉及实施。数据可用于分析治疗偏好、决策影响因素及DCE方法在肿瘤领域的应用(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:非小细胞肺癌。这项非干预性、横断面研究旨在通过发放问卷,从具有IV期NSCLC一线EGFR-TKI经验的医生和患者样本中调查治疗偏好,问卷主要包括离散选择实验(DCE)方法。研究将通过研究团队开发的问卷从参与者处收集数据。本研究将分两个阶段进行。第一阶段是研究设计阶段(即定性阶段和问卷开发),包括问卷开发、确定离散选择实验(DCE)的关键属性和水平、创建假设患者画像以探索DCE之外医生决策中的高风险因素,以及问卷编程、内部审核、预测试、修订和定稿。第二阶段涉及实施。

【主题与分类】

主题标签:Non-Small Cell Lung Cancer。本站分类:肿瘤/肺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07413757

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT07413757

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:非小细胞肺癌。这项非干预性、横断面研究旨在通过实施一项调查,主要包含离散选择实验(DCE)方法,从具有一线EGFR-TKI治疗IV期NSCLC经验的医生和患者样本中调查治疗偏好。该研究将通过研究团队开发的问卷从参与者处收集数据。本研究将分两个阶段进行。第一阶段是研究设计阶段(即定性阶段和问卷开发),包括问卷开发、确定离散选择实验(DCE)的关键属性和水平、创建假设患者档案以探索医生决策中DCE之外的高风险因素,以及问卷编程、内部审查、试点测试、修订和定稿。第二阶段涉及使用最终问卷实施定量调查,以及随后的数据分析,以生成对治疗偏好的见解。

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。

获取专属数据定制方案