针对患癌或有患癌风险的退伍军人的戒烟CM
源站描述指出,肺癌筛查或癌症诊断时吸烟与治疗失败、寿命缩短及生活质量下降相关,并带来约34亿美元医疗成本。项目旨在评估Contingency Management(CM)用于退伍军人肺癌筛查中戒烟的可接受性、可行性与有效性

基本信息
资源简介
针对患癌或有患癌风险的退伍军人的戒烟CM
该数据集来自clinicaltrials.gov,聚焦于患癌或有患癌风险的退伍军人群体,涉及Tobacco Use Disorder与Substance Use Disorder。源站描述指出,肺癌筛查或癌症诊断时吸烟与治疗失败、寿命缩短及生活质量下降相关,并带来约34亿美元医疗成本。项目旨在评估Contingency Management(CM)用于退伍军人肺癌筛查中戒烟的可接受性、可行性与有效性。数据可用于戒烟干预研究、行为疗法效果预测及癌症患者健康管理分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:Tobacco Use Disorder、Substance Use Disorder。在肺癌筛查(LCS)或癌症诊断时吸烟与治疗失败、寿命缩短和生活质量下降相关。除了发病率和死亡率的增加,癌症诊断后吸烟还与估计34亿美元的医疗成本相关。尽管存在这些风险,VA并未常规将戒烟治疗整合到LCS筛查或癌症护理中,且戒烟率很低。Contingency Management(CM)是一种行为治疗方法,通过提供有形奖励或激励来强化期望行为,例如戒烟。该概念验证和临床试验项目的目标是评估Contingency Management(CM)在肺癌筛查退伍军人中用于戒烟的可接受性、可行性和有效性。
【主题与分类】
主题标签:Tobacco Use Disorder、Substance Use Disorder。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06432985
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/NCT06432985
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:烟草使用障碍、物质使用障碍。在肺癌筛查(LCS)或癌症诊断时吸烟与治疗失败、寿命缩短及生活质量下降相关。除了增加发病率和死亡率之外,癌症诊断后继续吸烟还与估计34亿美元的医疗保健费用相关。尽管存在这些风险,VA并未常规将戒烟治疗纳入LCS筛查或癌症护理中,且戒烟率较低。 contingency Management(CM)是一种行为治疗方法,通过提供实质性的奖励或激励来强化期望行为,如戒烟。本概念验证与临床试验项目的目标是评估在退伍军人事务部(VA)诊所中,针对接受肺癌筛查(LCS)或癌症护理的退伍军人,实施 contingency Management(CM)戒烟的可接受性、可行性和有效性。研究表明,CM必须根据临床人群和背景进行定制。这项分阶段调查将分为三个阶进行。
首先,研究人员将开展焦点小组,利用来自LCS或癌症护理中的VA患者以及LCS和肿瘤科工作人员的定性反馈,迭代开发一种可接受的移动CM方案。之后,研究人员将开展一项试点研究,以检验针对LCS或癌症护理中的VA患者的移动戒烟CM的可行性。在一项单臂研究中,LCS或癌症护理中的VA患者将在5周内接受移动CM加行为咨询和戒烟药物。如果成功,研究人员将开展一项随机对照试验(RCT),以评估移动CM与常规治疗(TAU)相比的疗效。被诊断为癌症或处于LCS中的患者将被随机分配接受为期5周的CM条件(CM加行为咨询)或TAU(转介至VA戒烟诊所和VA戒烟热线)。两组都将接受药物治疗。本研究的主要目的是开发一种可接受的
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。




