晚期肺癌患者呼吸困难简短行为干预的多中心试验
该数据集来自 clinicaltrials.gov,聚焦晚期肺癌患者的呼吸困难问题,属于肿瘤/肺癌分类。源站描述指出,尽管靶向治疗和免疫治疗改善了晚期肺癌患者的生存,但呼吸困难患病率未下降,近期数据显示已超过70%,高于既往队列估计

基本信息
资源简介
晚期肺癌患者呼吸困难简短行为干预的多中心试验
该数据集来自 clinicaltrials.gov,聚焦晚期肺癌患者的呼吸困难问题,属于肿瘤/肺癌分类。源站描述指出,尽管靶向治疗和免疫治疗改善了晚期肺癌患者的生存,但呼吸困难患病率未下降,近期数据显示已超过70%,高于既往队列估计。癌症负荷(如肺部广泛病变或胸腔积液)和心理因素均可导致或加重气促,患者报告的呼吸困难与生活质量受损、家庭和工作功能下降、社交活动退缩及症状加重相关。该数据可用于研究呼吸困难相关因素及行为干预效果(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:晚期肺癌、呼吸困难。本研究旨在改善呼吸困难,这是晚期肺癌患者最常见且最令人衰弱的症状之一。尽管新型靶向治疗和免疫治疗改善了晚期肺癌患者的生存,但经历呼吸困难(即呼吸费力)的患者比例并未下降。事实上,近期数据显示呼吸困难的患病率现已超过70%,高于较早队列报告的估计值。虽然癌症负荷,如肺部广泛病变或胸腔积液,确实会引起并加重气促症状,但心理因素也是呼吸困难体验的基础。患者报告的呼吸困难与生活质量受损、家庭和工作功能下降、社交活动退缩、症状加重相关
【主题与分类】
主题标签:Advanced Lung Cancer、Dyspnea。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06791057
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/NCT06791057
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
疾病:晚期肺癌、呼吸困难。本研究的目标是改善呼吸困难,这是晚期肺癌患者最常见、最令人衰弱的症状之一。尽管新型靶向治疗和免疫治疗改善了晚期肺癌患者的生存,但经历呼吸困难(即呼吸费力)的患者比例并未下降。事实上,近期数据显示,呼吸困难的患病率现已超过70%,高于较早队列报告的估计值。虽然肿瘤负荷(如肺部广泛病变或胸腔积液)确实会引起并加重呼吸困难症状,但心理因素也是呼吸困难体验的基础。患者报告的呼吸困难与生活质量受损、家庭和工作功能下降、退出社交活动、焦虑和抑郁症状加重,甚至渴望加速死亡相关。此外,呼吸困难会导致肿瘤门诊和急诊科的非计划就诊,常导致住院。
鉴于呼吸困难对患者功能状态和医疗资源利用的显著影响,美国临床肿瘤学会的质量肿瘤实践倡议将呼吸困难的评估与管理确定为癌症医疗质量的关键指标。遗憾的是,支持有效治疗呼吸困难的数据仍然有限。尽管临床医生通常开具阿片类药物来治疗呼吸困难,但近期系统综述得出结论,药物管理并未改善呼吸困难,且可能带来潜在危害。在近期美国医疗保健研究与质量局关于呼吸困难非药物干预的比较效果综述中,作者报告称,涉及体力活动或康复的行为干预和多组分干预在应对呼吸困难方面最具前景,尽管迄今证据强度较低。因此,综合性的照护方法在
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。




