社会处方与微学习改善癌症患者及其支持者照护

数据集获取

源站：https://clinicaltrials.gov/study/NCT07788729

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

条件：癌症、肺癌、结直肠癌、血液癌、恶性黑色素瘤。以患者为中心的最优护理往往未能惠及癌症患者，尤其是那些生活在医疗服务不足的农村地区的弱势群体。本项工作将开发并试点测试一种多组分干预方法，旨在改善癌症患者及其支持者（SPs）在治疗期间及之后的护理和结果。该干预将包括提供社会处方和基于网络的微学习模块，以及基于对症状负担和健康状况持续监测的阶梯式护理。本项目利用创新、个性化沟通策略的优势以及全面的低成本方法，这些很可能有助于在资助期结束后支持患者公平和平等地获得最优护理。通过在跨学科环境中采用患者驱动的方法，预计该干预将改善各类患者群体的健康结果，尤其是那些生活在农村地区的患者。

为实现这一目标，将采用方法学上稳健的混合方法研究途径和效果-实施混合设计，以推动有效策略向临床实践转化。将使用一系列标准化的患者报告结局与体验测量工具，包括生活质量和健康与照护知识。基于这项研究，将开发一个实施工具箱，供国内外不同医疗环境和服务的临床医生使用，以帮助提供最高质量的癌症照护。

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。