老年慢性疼痛癌症幸存者身体活动剂量微随机试验

该数据集来自 clinicaltrials.gov,聚焦老年癌症幸存者(涵盖乳腺癌、宫颈癌、膀胱癌、结直肠癌、子宫内膜癌、肺癌、前列腺癌)在慢性疼痛背景下的身体活动干预研究

Medical College of WisconsinMedical College of Wisconsin
clinicaltrials
浏览 13
其他预测Breast CancerCervical CancerBladder CancerColorectal CancerEndometrial CancerLung CancerProstate Cancer
Dosing Physical Activity Among Older Cancer Survivors Who Experience Chronic Pain: a Micro-randomized Trial

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-09

资源简介

老年慢性疼痛癌症幸存者身体活动剂量微随机试验

该数据集来自 clinicaltrials.gov,聚焦老年癌症幸存者(涵盖乳腺癌、宫颈癌、膀胱癌、结直肠癌、子宫内膜癌、肺癌、前列腺癌)在慢性疼痛背景下的身体活动干预研究。研究采用微随机试验设计,主要目标是检验基于理论的方法,确定在何种状态下发送消息能提高身体活动,即评估老年癌症幸存者在收到消息提示后一小时内进行身体活动的概率。次要探索性目标是评估其在收到增加身体活动的消息后 24 小时内经历疼痛发作的概率。数据可用于预测活动行为与疼痛事件的发生概率(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):病症:乳腺癌、宫颈癌、膀胱癌、结直肠癌、子宫内膜癌、肺癌、前列腺癌。本研究的主要目标是测试一项基于理论的微随机试验,通过确定老年癌症幸存者在收到消息提示后一小时内进行身体活动的概率,来确定发送增加身体活动消息的最佳状态。次要探索性目标是确定老年癌症幸存者在收到增加身体活动的消息后 24 小时内经历疼痛发作的概率。资格标准被有意设计为不完整,以维护研究的科学完整性。

【主题与分类】

主题标签:Breast Cancer、Cervical Cancer、Bladder Cancer、Colorectal Cancer、Endometrial Cancer、Lung Cancer、Prostate Cancer。本站分类:肿瘤/肺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07227077

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/NCT07227077

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:乳腺癌、宫颈癌、膀胱癌、结直肠癌、子宫内膜癌、肺癌、前列腺癌。本研究的主要目的是开展一项基于理论的微随机试验,通过确定老年癌症幸存者在收到消息提示后一小时内进行身体活动的概率,以确定传递增加身体活动消息的最佳状态。次要探索性目的是确定老年癌症幸存者在收到增加身体活动的消息后24小时内经历疼痛发作的概率。资格标准有意不完整,以维护研究的科学完整性。

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