癌症及癌症治疗所致症状研究:浸润性乳腺癌、肺癌、前列腺癌或结直肠癌患者
该数据集来自 clinicaltrials.gov,聚焦浸润性原发性乳腺癌、肺癌、前列腺癌或结直肠癌门诊随访患者,研究其在4至5周内经历的躯体与心理症状的患病率、严重程度及干扰程度

基本信息
资源简介
癌症及癌症治疗所致症状研究:浸润性乳腺癌、肺癌、前列腺癌或结直肠癌患者
该数据集来自 clinicaltrials.gov,聚焦浸润性原发性乳腺癌、肺癌、前列腺癌或结直肠癌门诊随访患者,研究其在4至5周内经历的躯体与心理症状的患病率、严重程度及干扰程度。数据涉及症状相关干预数量与医生对症状严重程度感知的关系、躯体症状是否比心理症状更常被优先处理、中重度症状显著缓解的患者比例及缓解决定因素等。可用于分析癌症患者症状负担、症状管理优先级及症状缓解影响因素,支持症状预测与干预效果研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:乳腺癌、认知/功能影响、结直肠癌、肺癌、疼痛、前列腺癌、癌症及其治疗的心理社会影响。目标:主要 确定在ECOG机构接受门诊随访的浸润性原发性乳腺癌、肺癌、前列腺癌或结直肠癌患者在4至5周期间经历的躯体和心理症状的患病率、严重程度及干扰程度。次要 确定症状相关干预的数量是否与提供者对症状严重程度的感知相关。 确定躯体症状是否比心理症状更常被优先处理和治疗。 确定经历中重度症状显著缓解的患者百分比,并描述症状缓解的决定因素。* 确定重点an
【主题与分类】
主题标签:Breast Cancer、Cognitive/Functional Effects、Colorectal Cancer、Lung Cancer、Pain、Prostate Cancer。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00303914
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/NCT00303914
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、认知/功能影响、结直肠癌、肺癌、疼痛、前列腺癌、癌症及其治疗的心理社会影响。目的:主要 * 确定在ECOG机构接受门诊随访的侵袭性原发性乳腺癌、肺癌、前列腺癌或结直肠癌患者在4至5周期间经历的躯体与心理症状的患病率、严重程度及干扰程度。次要 * 确定症状相关干预措施的数量是否与医疗服务提供者对症状严重程度的感知相关。 * 确定躯体症状是否比心理症状更常被优先考虑和治疗。 * 确定经历中重度症状显著缓解的患者百分比,并描述症状缓解的决定因素。 * 确定肿瘤科医生为改善门诊患者症状控制所选择干预措施的焦点和范围。概述:这是一项开放标签、多中心研究。患者根据疾病类型、按性别、种族/民族、年龄的患病率以及治疗类型进行分层。
患者需完成M.D. Anderson症状评估量表及其他问卷,评估该患者群体中最常见的症状,以及这些症状对情绪和活动相关领域的影响程度,分别在第一天及第28至35天之间进行。在同一时间点,医疗保健提供者(治疗医生、护士或医生助理)完成修订版埃德蒙顿癌症疼痛分期系统问卷,根据疼痛机制、偶发疼痛、心理困扰和成瘾行为以及认知功能来评估患者的癌症疼痛,以预测疼痛控制的临床预后。预计招募人数:本研究将招募共计2,310名患者及其医生。
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。




