S0229 肺康复教育联合或不联合运动训练改善局部晚期肺癌放化疗患者躯体功能
S0229 是来自 clinicaltrials.gov 的肿瘤/肺癌数据集,聚焦不可手术局部晚期肺癌正在接受放化疗的患者

基本信息
资源简介
S0229 肺康复教育联合或不联合运动训练改善局部晚期肺癌放化疗患者躯体功能
S0229 是来自 clinicaltrials.gov 的肿瘤/肺癌数据集,聚焦不可手术局部晚期肺癌正在接受放化疗的患者。研究比较肺康复教育联合或不联合监督下运动训练对运动耐量等生理功能改善的影响,并比较多维功能与患者对呼吸困难的感知等健康相关生活质量。研究为随机、多中心设计,按 Zubrod 体力状态、FEV_1 和吸烟状态分层,约在 SWOG-S0023 治疗 20 周时随机分入两个干预组。可用于评估肺康复干预对功能与生活质量结局的预测(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:肺癌、肺部并发症。目的: 比较接受放化疗的不可手术局部晚期肺癌患者中,随机接受包含教育联合或不联合监督下运动训练的肺康复后,以运动耐量表示的生理功能改善。 比较接受这些肺康复干预的患者中,以多维功能和患者对呼吸困难的感知表示的健康相关生活质量。概要:这是一项随机、多中心研究。患者按 Zubrod 体力状态(0-1 对 2);FEV_1(≥ 预测值的 70% 对 < 预测值的 70%);以及吸烟状态*(从不吸烟或既往吸烟者对当前吸烟者)进行分层。在 SWOG-S0023 治疗约 20 周时,患者被随机分配到 2 个干预组中的 1 个。NOT
【主题与分类】
主题标签:Lung Cancer、Pulmonary Complications。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00090961
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/NCT00090961
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:肺癌、肺部并发症。目的:* 比较在接受放化疗且随机分配至包含教育加或不加监督下运动训练的肺康复方案的无法手术的局部晚期肺癌患者中,以运动耐量衡量的生理功能改善情况。* 比较接受这些肺康复干预的患者中,以多维功能和患者对呼吸困难的感知衡量的健康相关生活质量。大纲:这是一项随机、多中心研究。患者根据Zubrod体能状态(0-1 vs 2);FEV_1(≥ 70%预计值 vs < 70%预计值);以及吸烟状况*(从未吸烟或已戒烟 vs 当前吸烟)进行分层。在SWOG-S0023治疗约20周后,患者被随机分配至2个干预组中的1组。注:* 从未吸烟定义为一生中吸烟少于100支,已戒烟定义为戒烟≥ 1年。* 第I组:患者参加监督下的结构化运动计划(即,在跑步机上行走或使用固定式健身自行车),每周3次,持续12周。
患者还接受有关如何改善呼吸和节省能量的教育材料。* 第二组:患者接受与第一组相同的教育材料。在两组中,患者在初始评估时(随机化后但干预前)、12周时以及随后6个月和9个月时,通过6分钟步行进行运动测试,以测量运动耐量。在两组中,若无疾病进展或出现其他会妨碍研究参与的医疗状况,干预将持续进行。在基线、12周时以及随后6个月和9个月时评估生活质量。预计入组人数:本研究将入组164例患者(每个治疗组82例)。
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。




