晚期心力衰竭或癌症患者的分层姑息治疗
本随机对照试验评估新型居家姑息治疗对晚期心衰、晚期非结直肠胃肠道癌、晚期肺癌及晚期三阴性乳腺癌患者症状、生活质量、照护目标记录完成情况及住院、急诊和死前临终关怀利用的影响

基本信息
资源简介
晚期心力衰竭或癌症患者的分层姑息治疗
本随机对照试验评估新型居家姑息治疗对晚期心衰、晚期非结直肠胃肠道癌、晚期肺癌及晚期三阴性乳腺癌患者症状、生活质量、照护目标记录完成情况及住院、急诊和死前临终关怀利用的影响。干预组接受视频与面对面Tier-PC访视及按需监测,病例每周IDT讨论,患者和照护者可获西奈山医生值守的24小时电话咨询。研究还评估对照护者焦虑、满意度和创伤后症状的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:晚期心力衰竭、晚期非结直肠胃肠道癌、晚期肺癌、晚期三阴性乳腺癌。这项随机对照试验的目的是研究一种新型居家姑息治疗干预对患者症状、生活质量以及照护目标文档完成情况的影响。此外,该研究还将考察这种照护模式对患者医疗资源利用情况的影响,包括住院、急诊科使用以及死亡前临终关怀服务的使用。该试验还将纳入患者的照护者,以考察该干预对照护者焦虑、照护满意度和创伤后症状的影响。被随机分配到干预组的患者将被安排接受 Tier-PC 访视,由社区健康工作者分配至 Tier-PC 层级。访视将结合视频远程会议技术和面对面访视。干预组患者将根据其已确定的需求,接受临床团队成员提供的持续监测和指导(通过电话、视频和面对面方式)。患者病例将在每周 IDT 会议上根据临床需求程度酌情讨论。患者和照护者将可使用一条 24 小时电话热线,该热线由 Mount Sinai 的医生值守,并在非工作时间作为咨询热线。这些医生将能够为患者和照护者提供建议。
【主题与分类】
主题标签:Advanced Heart Failure、Advanced Lung Cancer、Advanced Triple Negative Breast Cancer。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07391956
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/NCT07391956
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:晚期心力衰竭、晚期非结直肠胃肠道癌、晚期肺癌、晚期三阴性乳腺癌。这项随机对照试验的目的是研究一种新型居家姑息治疗干预对患者症状、生活质量以及照护目标文档完成情况的影响。此外,该研究还将考察这种照护模式对患者医疗资源利用情况的影响,包括住院、急诊科使用以及死亡前临终关怀服务的使用。该试验还将纳入患者的照护者,以考察该干预对照护者焦虑、照护满意度和创伤后症状的影响。被随机分配到干预组的患者将被安排接受 Tier-PC 访视,由社区健康工作者分配至 Tier-PC 层级。访视将结合视频远程会议技术和面对面访视。干预组患者将根据其已确定的需求,接受临床团队成员提供的持续监测和指导(通过电话、视频和面对面方式)。患者病例将在每周 IDT 会议上根据临床需求程度酌情讨论。患者和照护者将可使用一条 24 小时电话热线,该热线由 Mount Sinai 的医生值守,并在非工作时间作为咨询热线。这些医生将能够为患者和照护者提供建议。
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。




