Project HERO:健康赋能与康复结局
该研究旨在验证为期 12 周的 Body Mind Training(BMT)对减轻疲劳(主要结局)的疗效,次要患者报告结局包括生活质量变化(如睡眠和感知心理困扰的变化)、炎症生物标志物变化(包括全基因组转录因子)以及疲劳相关基因表达

基本信息
资源简介
Project HERO:健康赋能与康复结局
Project HERO: Health Empowerment & Recovery Outcomes 来自 clinicaltrials.gov,聚焦肿瘤领域,涉及肺癌等多种癌症。该研究旨在验证为期 12 周的 Body Mind Training(BMT)对减轻疲劳(主要结局)的疗效,次要患者报告结局包括生活质量变化(如睡眠和感知心理困扰的变化)、炎症生物标志物变化(包括全基因组转录因子)以及疲劳相关基因表达。获资助后经 NCI 许可,目标样本量修订为 n=166。可用于癌症幸存者疲劳干预、生活质量与生物标志物关联等研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:前列腺癌、膀胱癌、肾癌、结肠癌、直肠癌、甲状腺癌、肺癌、小肠癌。本研究将确立为期 12 周的 Body Mind Training(BMT)在减轻疲劳(该研究的主要结局)方面的疗效。次要患者报告结局包括生活质量变化(例如睡眠和感知心理困扰的变化)、炎症生物标志物变化(包括全基因组转录因子)以及疲劳相关基因的表达。获资助后,经 NCI 许可,目标样本量修订为(n=166)。有超过 900 万名年龄在 55 岁及以上的癌症幸存者。这一年龄组的癌症幸存者在应对癌症诊断和治疗带来的晚期和长期影响方面面临独特挑战,同时还要应对与年龄相关的衰退和合并症。这
【主题与分类】
主题标签:Prostate Cancer、Bladder Cancer、Kidney Cancer、Colon Cancer、Rectum Cancer、Thyroid Cancer、Lung Cancer、Small Intestine Cancer、Soft Tissue Cancer。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03345563
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/NCT03345563
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:前列腺癌、膀胱癌、肾癌、结肠癌、直肠癌、甲状腺癌、肺癌、小肠癌。本研究将确立为期12周的身心训练(BMT)在减轻疲劳(本研究的主要结局)方面的疗效。次要的患者报告结局包括生活质量变化(如睡眠变化和感知心理困扰的变化)、炎症生物标志物的变化(包括全基因组转录因子)以及疲劳相关基因的表达。获得资助后,经NCI许可,目标样本量修订为(n=166)。有超过900万年龄在55岁及以上的癌症幸存者。这一年龄组的癌症幸存者在应对癌症诊断和治疗带来的晚期和长期影响方面面临独特挑战,同时还伴随着与年龄相关的衰退和合并症。由于治疗后恢复较慢、功能限制增加以及其他生活质量(QOL)损害,这可能影响他们参与生活方式干预的能力。
疲劳在癌症幸存者中很常见,却常被低估和治疗不足,并且与心理困扰、社会和功能福祉以及健康相关生活质量的损害相关。对于受疲劳困扰的男性癌症幸存者而言,太极和气功(TCQ)可能更具吸引力,因为它不会过度消耗体力,并且对55岁及以上人群是安全的。在本研究中,我们对干预组的称呼如下:TCQ干预被称为身心训练(BMT),而运动强度匹配的对照条件被称为身体训练(BT)。这样做是为了通过尽量减少参与者对两组之间的预期或感知差异来帮助减少偏倚。
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。




