接受乳腺癌或肺癌化疗患者的恶心或呕吐研究
该数据集来自 clinicaltrials.gov,聚焦接受化疗的乳腺癌或肺癌患者中恶心或呕吐的影响。研究通过结构化访谈,评估恶心呕吐对患者当前健康状态总体重要性的贡献、不同呕吐情景的平均重要性,并比较 Standard Gamble 与 Morrow Assessment of Nausea an

基本信息
资源简介
接受乳腺癌或肺癌化疗患者的恶心或呕吐研究
该数据集来自 clinicaltrials.gov,聚焦接受化疗的乳腺癌或肺癌患者中恶心或呕吐的影响。研究通过结构化访谈,评估恶心呕吐对患者当前健康状态总体重要性的贡献、不同呕吐情景的平均重要性,并比较 Standard Gamble 与 Morrow Assessment of Nausea and Emesis 对特定化疗诱导恶心呕吐水平的评估,同时探讨在化疗患者中使用 Standard Gamble 技术的可行性。数据可用于分析化疗相关症状负担、患者报告结局及评估工具比较等研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:乳腺癌、肺癌、恶心和呕吐。目标: 确定恶心或呕吐对接受化疗的乳腺癌或肺癌患者当前健康状态总体重要性的贡献。 确定这些患者中各种呕吐情景的平均重要性。 比较由 Standard Gamble 与 Morrow Assessment of Nausea and Emesis 定义的特定级别化疗诱导恶心或呕吐的重要性。 确定在当前接受化疗的患者中使用 Standard Gamble 技术的可行性。概述:这是一项多中心研究。患者根据化疗诱导恶心或呕吐史(有 vs 无)进行分层。患者在最近一次化疗疗程开始后至少 2½ 周,由经过培训的访谈者进行为期 1 小时的结构化访谈,并
【主题与分类】
主题标签:Breast Cancer、Lung Cancer、Nausea and Vomiting。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00416689
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/NCT00416689
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:乳腺癌、肺癌、恶心和呕吐。目的:* 确定恶心或呕吐对正在接受化疗的乳腺癌或肺癌患者当前健康状况总体重要性的贡献。* 确定这些患者对各种呕吐情景的平均重要性。* 比较通过标准博弈法与Morrow恶心和呕吐评估定义的特定级别化疗诱导的恶心或呕吐的重要性。* 确定在当前接受化疗的患者中使用标准博弈技术的可行性。大纲:这是一项多中心研究。患者根据化疗诱导的恶心或呕吐史(有 vs 无)进行分层。患者在最近一次化疗疗程开始后至少2½周且在新疗程开始前,由训练有素的访谈员进行为期1小时的结构化访谈。患者在访谈期间完成癌症治疗功能评估-通用问卷和Morrow恶心和呕吐评估问卷。
受过培训的访谈员在访谈过程中还会实施一项标准博弈练习,指导患者设想不同程度的恶心或呕吐作为其当前恶心和呕吐的状态,并对其重要性进行排序。他们被问及是否愿意选择接受当前(想象或真实的)恶心或呕吐状态,或是接受一种药物,该药物可能导致(以不同概率)要么完全健康2年,要么立即死亡。
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。




