盛京肺癌队列（SJ-LCC）疾病发生与进展危险因素研究
该数据集来自clinicaltrials.gov，为盛京肺癌队列（SJ-LCC）研究，聚焦肺癌患者疾病发生与进展的可改变危险因素
基本信息
资源简介
盛京肺癌队列（SJ-LCC）疾病发生与进展危险因素研究
盛京肺癌队列（The Shengjing Lung Cancer Cohort，SJ-LCC）研究是一项聚焦肺癌患者疾病发生与进展可改变危险因素的队列研究，其英文全称为“The Shengjing Lung Cancer Cohort (SJ-LCC) Study on Risk Factors for Disease Development and Progression”，在站内归入肿瘤／肺癌分类，来源为 clinicaltrials.gov。该研究以经确诊的肺癌患者为对象，围绕吸烟、饮酒、膳食等可改变危险因素在癌症进展与患者预后中的作用展开系统评估，并借助经过验证的工具采集习惯性膳食摄入、情绪健康与生活方式行为等信息，同时整合肿瘤组织、血液、尿液和粪便样本的多维生物标志物谱分析，以刻画暴露因素与长期临床轨迹之间的关联。以下从背景、内容、来源、适用场景、使用方法、质量与限制、引用与许可等方面作进一步说明。
【数据集背景】
该研究关注的核心问题是可改变危险因素对肺癌进展和患者预后的影响。吸烟、饮酒和膳食等因素在癌症进展与患者预后中起关键作用；对于已确诊的肺癌患者，这些因素不仅直接调节宿主代谢与免疫调节，还可通过改变机体内环境（例如肠道微生物群）产生间接效应，从而可能对长期临床轨迹产生深远影响。基于这一认识，研究依托一个特征刻画充分、接受纵向随访的确诊肺癌患者队列，对上述因素及其相关变量进行系统评估。
【数据内容】
研究采集的内容包括患者习惯性膳食摄入、情绪健康、生活方式行为及相关变量，所用工具为经过验证的量表，其中包括食物频率问卷（Food Frequency Questionnaire，FFQ）。在生物样本层面，研究整合了肿瘤组织、血液、尿液和粪便样本的多维生物标志物谱分析。通过将暴露信息与多维生物标志物数据相连接，研究得以考察危险因素与疾病发展、进展之间的关系。源站描述在此处未完整给出，暴露与结局的具体变量清单、随访时长、样本量等细节源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov，对应盛京肺癌队列（SJ-LCC）研究。数据采集依托经确诊的肺癌患者队列，采用纵向随访设计，并以经过验证的工具（如 FFQ）获取膳食等暴露信息，同时收集肿瘤组织、血液、尿液与粪便样本用于生物标志物检测。源站未提供具体的招募地点、招募时间窗、随访频次与样本处理流程等信息。
【适用场景】
基于现有信息，该数据集适用于围绕肺癌患者可改变危险因素（吸烟、饮酒、膳食等）与疾病进展、预后之间关系的研究，也适用于将膳食摄入、情绪健康、生活方式行为与多维生物标志物（组织、血液、尿液、粪便）联合分析的暴露—结局研究，以及涉及肠道微生物群等内环境中介机制的探索性分析。源站未提供其他具体应用场景的说明。
【使用方法】
源站未提供该数据集的具体获取方式、访问条件、数据格式与字段说明，也未提供配套的分析指南或使用文档。
【质量与限制】
该研究依托特征刻画充分、接受纵向随访的确诊肺癌患者队列，并使用经过验证的工具采集暴露信息，这是其设计上的特点。源站未提供样本量、随访完成率、缺失数据处理方式、偏倚控制措施等质量相关信息，相关限制亦未说明。
【引用与许可】
源站未提供该数据集的引用格式与许可条款信息。
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/NCT07779005
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：肺癌。可改变的危险因素（包括吸烟、饮酒和饮食）在癌症进展和患者预后中起着关键作用。在确诊为肺癌的患者中，这些危险因素不仅直接调节宿主代谢和免疫调节，还通过改变内环境（如肠道微生物群）产生间接影响——可能对长期临床轨迹产生深远影响。本研究利用一个特征明确、纵向随访的确诊肺癌患者队列，使用经过验证的工具（包括食物频率问卷（FFQ））系统评估习惯性膳食摄入、情绪健康、生活方式行为及相关变量。此外，本研究整合了肿瘤组织、血液、尿液和粪便样本的多维生物标志物分析。通过将暴露特征、多组学数据和长期临床随访记录相关联，本项目旨在：1.
评估预后关联：探讨暴露特征（如饮食模式）与肺癌患者长期临床结局之间的关系，包括无进展生存期（PFS）、总生存期（OS）和复发风险。2. 阐明生物学机制：揭示“暴露特征-多组学”轴介导肺癌进展的潜在机制，并识别具有临床预后预测价值的候选生物标志物。最终，本研究旨在为患者建立循证的健康生活方式建议，并为医疗专业人员提供转化性见解，以指导肺癌全程照护中的精准营养和靶向干预策略。
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。
