肺癌诊断后COPD患者黏液活性药物使用与临床结局
该数据集来自clinicaltrials.gov,聚焦慢性阻塞性肺疾病(COPD)合并肺癌诊断的患者。研究关注黏液活性药物的使用与肺癌诊断后临床结局之间的关联,背景是COPD与肺癌共享慢性气道炎症、氧化应激等机制,且黏液高分泌与清除受损常见

基本信息
资源简介
肺癌诊断后COPD患者黏液活性药物使用与临床结局
该数据集来自clinicaltrials.gov,聚焦慢性阻塞性肺疾病(COPD)合并肺癌诊断的患者。研究关注黏液活性药物的使用与肺癌诊断后临床结局之间的关联,背景是COPD与肺癌共享慢性气道炎症、氧化应激等机制,且黏液高分泌与清除受损常见。数据为来自韩国癌症数据中心(K-CURE)数据库的回顾性真实世界数据,可用于探索黏液活性药物暴露与结局的关系,支持预测建模与真实世界证据分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:肺癌(诊断)、慢性阻塞性肺疾病(COPD)。患有慢性阻塞性肺疾病(COPD)和肺癌的患者常出现黏液高分泌、黏液纤毛清除功能受损、呼吸道症状、COPD急性加重以及不良临床结局。COPD还通过共同风险因素和可能重叠的生物学机制与肺癌密切相关,这些机制包括慢性气道炎症、氧化应激、气道上皮损伤和黏液栓形成。黏液活性药物在临床实践中常被处方以改善黏液清除并减少气道黏液负荷。然而,在COPD患者中,黏液活性药物的使用是否与肺癌诊断后的临床结局相关仍不确定。本研究将使用来自韩国癌症数据中心(K-CURE)数据库的回顾性真实世界数据
【主题与分类】
主题标签:Lung Cancer (Diagnosis)。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07712016
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/NCT07712016
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:肺癌(诊断)、慢性阻塞性肺疾病(COPD)。慢性阻塞性肺疾病(COPD)合并肺癌的患者常出现黏液高分泌、黏液纤毛清除功能受损、呼吸道症状、COPD急性加重及不良临床结局。COPD还通过共同危险因素及可能重叠的生物学机制与肺癌密切相关,包括慢性气道炎症、氧化应激、气道上皮损伤和黏液栓形成。临床实践中常处方黏液活性药物以改善黏液清除并减轻气道黏液负荷。然而,在COPD患者中,使用黏液活性药物是否与肺癌诊断后的临床结局相关仍不确定。本研究将使用来自韩国癌症数据中心(K-CURE)数据库的回顾性真实世界数据。研究期间为2002年1月1日至2023年12月31日,具体取决于数据可及性。源人群将包括年龄40岁至不足80岁、患有COPD且新诊断局部期肺癌的成年人。
COPD将在肺癌诊断前通过预先指定的诊断代码和基于治疗的标准进行识别。肺癌诊断、分期、组织学、治疗、处方药物、合并症、COPD急性加重以及死亡结局将从K-CURE数据库及可用的关联临床数据中识别。本研究将采用目标试验模拟框架,比较以下治疗策略:肺癌诊断后开始使用或使用任何黏液活性药物 versus 不使用任何黏液活性药物。索引日期为符合条件的患者中首次肺癌诊断的日期。为支持新使用者设计并减少现患使用偏倚,根据预先指定的方案,将排除在肺癌诊断前12周洗脱期内使用过黏液活性药物的患者。治疗分配将根据4周宽限期内的处方记录进行定义
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。




