癌症患者的COPD照护路径

该数据集来自clinicaltrials.gov,聚焦癌症患者中慢性阻塞性肺疾病(COPD)的照护路径。覆盖慢性阻塞性肺疾病、肺癌、头颈癌等病种,主要目标是为癌症患者设计可行的COPD照护路径,以减轻治疗负担、落实COPD照护关键环节并克服社区肿瘤门诊中常见的COPD照护障碍

Wake Forest University Health SciencesWake Forest University Health Sciences
clinicaltrials
浏览 12
文本Chronic Obstructive Pulmonary DiseaseLung CancerHead and Neck Cancer
COPD Care Pathway Among Patients With Cancer

基本信息

模态
文本
创建/更新时间
2026-10-10

资源简介

癌症患者的COPD照护路径

该数据集来自clinicaltrials.gov,聚焦癌症患者中慢性阻塞性肺疾病(COPD)的照护路径。覆盖慢性阻塞性肺疾病、肺癌、头颈癌等病种,主要目标是为癌症患者设计可行的COPD照护路径,以减轻治疗负担、落实COPD照护关键环节并克服社区肿瘤门诊中常见的COPD照护障碍。次要目标包括识别、描述和解释COPD与癌症共病带来的治疗负担及照护障碍,并明确对癌症患者重要且可行的COPD照护组成部分。可用于肿瘤与呼吸共病管理、照护路径设计及患者与提供者报告的相关研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:慢性阻塞性肺疾病、肺癌、头颈癌。主要目标:为癌症患者设计一条可行的COPD照护路径,以减轻患者的治疗负担、实施COPD照护的关键组成部分,并克服社区肿瘤门诊中常见的COPD照护障碍。次要目标: 识别、描述和解释患者和提供者报告的COPD与癌症作为共病带来的治疗负担。 识别、描述和解释患者和提供者报告的肿瘤门诊中COPD照护的障碍。* 识别、描述和解释对癌症患者重要且可行的COPD照护组成部分。

【主题与分类】

主题标签:Chronic Obstructive Pulmonary Disease、Lung Cancer、Head and Neck Cancer。本站分类:肿瘤/肺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT05984680

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/NCT05984680

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:慢性阻塞性肺疾病、肺癌、头颈癌。主要目标:设计一条可行的慢阻肺护理路径,适用于癌症患者,以减轻患者的治疗负担,实施慢阻肺护理的关键组成部分,并克服社区肿瘤诊所中慢阻肺护理的常见障碍。次要目标:* 识别、描述并解释慢阻肺与癌症作为共病所带来的治疗负担,依据患者和提供者的报告。* 识别、描述并解释肿瘤诊所中慢阻肺护理的障碍,依据患者和提供者的报告。* 识别、描述并解释对癌症患者而言重要且可行的慢阻肺护理组成部分。

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