通过观察性流行病学研究理解新的恶病质亚型
该数据集来自 clinicaltrials.gov，聚焦肿瘤/肺癌领域，覆盖晚期结直肠癌、晚期非小细胞肺癌、晚期胰腺腺癌及 AJCC v8 IV 期相关癌症等不可切除肿瘤人群
基本信息
资源简介
通过观察性流行病学研究理解新的恶病质亚型
该数据集来自 clinicaltrials.gov，聚焦肿瘤/肺癌领域，覆盖晚期结直肠癌、晚期非小细胞肺癌、晚期胰腺腺癌及 AJCC v8 IV 期相关癌症等不可切除肿瘤人群。研究通过观察性流行病学设计，在基线与随访中采集恶病质症状、体力活动、身体功能、血液生物标志物和身体成分等宿主特征，旨在识别癌症恶病质综合征内多个不同的诊断表型，并评估各表型与总生存、功能衰退及治疗不耐受之间的关联，可用于恶病质亚型分类与预后分析（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：晚期结直肠癌、晚期肺非小细胞癌、晚期胰腺腺癌、AJCC v8 IV 期结直肠癌、AJCC v8 IV 期肺癌、AJCC v8 IV 期胰腺癌、不可切除的结直肠癌、不可切除的肺非小细胞癌。主要目标：I. 在癌症恶病质综合征中，根据基线和随时间变化的宿主特征（例如恶病质症状、体力活动、身体功能、血液生物标志物和身体成分），在癌症恶病质高风险患者中识别多个不同的诊断表型。II. 确定每种癌症恶病质表型与总生存的关联。次要目标：I. 确定每种癌症恶病质表型与功能衰退和治疗不耐受的关联。II. 为了 info
【主题与分类】
主题标签：Advanced Colorectal Carcinoma、Advanced Lung Non-Small Cell Carcinoma、Advanced Pancreatic Adenocarcinoma、Stage IV Colorectal Cancer AJCC v8、Stage IV Lung Cancer AJCC v8、Stage IV Pancreatic Cancer AJCC v8、Unresectable Colorectal Carcinoma。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07776353
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/NCT07776353
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：晚期结直肠癌、晚期肺非小细胞癌、晚期胰腺腺癌、IV期结直肠癌AJCC v8、IV期肺癌AJCC v8、IV期胰腺癌AJCC v8、不可切除的结直肠癌、不可切除的肺非小细胞癌。主要目标：I. 在癌症恶病质综合征中，根据基线时宿主特征（如恶病质症状、体力活动、身体功能、血液生物标志物和身体组成）及这些因素随时间的变化，识别出多个不同的诊断表型，研究对象为高癌症恶病质风险的癌症患者。II. 确定每种癌症恶病质表型与总生存期的关联。次要目标：I. 确定每种癌症恶病质表型与功能衰退和治疗不耐受的关联。II. 为临床实践指南提供信息，以便及时识别可能进展为难治性恶病质的患者，并在临床呈现时识别主要目标中定义的每种癌症恶病质表型的早期预测因子。
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。
