ICARE-LCS QUERI 合作评估计划:整合综合烟草治疗以提升肺癌筛查
该数据集来自clinicaltrials.gov,聚焦美国退伍军人事务部(VA)肺癌筛查(LCS)项目中烟草依赖治疗(TDT)的整合

基本信息
资源简介
ICARE-LCS QUERI 合作评估计划:整合综合烟草治疗以提升肺癌筛查
该数据集来自clinicaltrials.gov,聚焦美国退伍军人事务部(VA)肺癌筛查(LCS)项目中烟草依赖治疗(TDT)的整合。VA已在113个医疗中心部署年度低剂量计算机断层扫描筛查,因入选标准针对当前或既往吸烟者,50-60%的筛查参与者仍在吸烟。模型研究支持将TDT整合进LCS可使筛查本身的获益近乎翻倍,VA LCS指导备忘录也将高质量TDT可及性列为项目要求。数据可用于研究筛查与戒烟治疗整合的服务交付、覆盖度与强度差距等主题(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:烟草依赖治疗、肺癌筛查。主要目标是在退伍军人事务部(VA)肺癌筛查(LCS)项目中改善烟草依赖治疗(TDT)的提供。采用年度低剂量计算机断层扫描的LCS通过早期发现肺癌来挽救生命,目前正在广泛部署,现已覆盖113个VA医疗中心。由于入选标准针对当前或既往吸烟者,50-60%的LCS参与者目前吸烟。建模研究支持将TDT整合到LCS中可使筛查本身的获益近乎翻倍。因此,根据VA LCS指导备忘录,获得高质量TDT是一项项目要求。尽管LCS与TDT的稳健整合是VA的优先事项,但实际上LCS参与者在TDT的可及范围和强度方面仍存在差距。指南和证据支持TDT流程,其中包括
【主题与分类】
主题标签:Tobacco Dependence Treatment、Lung Cancer Screening。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06745258
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/NCT06745258
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
条件:烟草依赖治疗、肺癌筛查。主要目标是改善退伍军人事务部(VA)肺癌筛查(LCS)项目中烟草依赖治疗(TDT)的实施。采用年度低剂量计算机断层扫描的肺癌筛查通过早期发现肺癌来挽救生命,目前正在广泛部署,现已覆盖113个VA医疗中心。由于入选标准针对当前或既往吸烟者,50-60%的肺癌筛查参与者目前吸烟。建模研究表明,将烟草依赖治疗整合到肺癌筛查中可使筛查本身的获益几乎翻倍。因此,根据VA肺癌筛查指导备忘录,获得高质量的烟草依赖治疗是一项项目要求。尽管肺癌筛查与烟草依赖治疗的深度整合是VA的优先事项,但在现实中,肺癌筛查参与者在烟草依赖治疗的覆盖范围和强度方面仍存在差距。指南和证据支持烟草依赖治疗流程,包括1)系统评估并与治疗衔接(例如询问-建议-连接、动机性访谈、选择退出或主动策略)以及2)治疗,包括基于证据的强化药物和行为治疗组合(“联合烟草依赖治疗”)。
近期针对LCS参与者的试验发现,采用“选择退出”式动机转介策略时,同意接受治疗的比例较高;而采用纵向“慢性病”管理模式、在长达一年的时间内提供联合TDT时,戒烟率最高。遗憾的是,LCS中接受任何TDT的退伍军人相对较少,且治疗通常与指南及上述证据不一致。在一项吸烟LCS参与者的全国样本中,仅16.4%接受了任何TDT药物治疗,许多人仅使用短效尼古丁替代疗法且剂量不足,不足1%接受了推荐的行为与药物治疗联合方案。这代表了医疗照护中的显著差距。改善LCS中退伍军人的TDT质量已被多个利益相关方确定为优先领域,包括肿瘤学与精准医学办公室(OPM)以及研究人员的
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。




