胃肠胰神经内分泌肿瘤患者治疗模式与结局研究
条件：胃肠胰神经内分泌肿瘤。本研究旨在利用开源纵向处方索赔（LRx）和以患者为中心的医疗索赔（Dx）数据库并补充死亡数据，刻画美国新诊断GEP-NET患者的当前治疗模式和临床结局
基本信息
资源简介
胃肠胰神经内分泌肿瘤患者治疗模式与结局研究
该数据集围绕胃肠胰神经内分泌肿瘤（Gastroenteropancreatic Neuroendocrine Tumor，GEP-NET）这一疾病领域展开，属于肿瘤/其他分类，来源于 clinicaltrials.gov。其核心研究目标在于刻画美国境内新诊断 GEP-NET 患者的当前治疗模式与临床结局。研究依托开源纵向处方索赔（LRx）数据库和以患者为中心的医疗索赔（Dx）数据库，并补充死亡数据，从而在真实世界数据基础上对患者的诊疗路径与转归进行观察性描述。数据集以胃肠胰神经内分泌肿瘤为主题标签，聚焦于治疗模式与结局这一研究问题，为理解该罕见肿瘤在美国临床实践中的诊疗现状提供数据支撑。整体而言，该数据集属于基于索赔数据库的观察性研究资料，适用于对 GEP-NET 患者治疗选择、临床结局及相关真实世界证据的进一步分析与参考。
【数据集背景】
胃肠胰神经内分泌肿瘤是一类起源于胃肠道和胰腺神经内分泌细胞的肿瘤，其临床表现、治疗策略与预后差异较大。针对该疾病在美国新诊断患者中的治疗模式与临床结局，尚需基于大规模真实世界数据的系统刻画。该数据集正是围绕这一需求设立，旨在描述新诊断 GEP-NET 患者当前所接受的治疗方式及其临床转归情况，为后续研究和临床实践提供观察性依据。
【数据内容】
该数据集的主题标签为胃肠胰神经内分泌肿瘤，研究关注的核心内容包括新诊断 GEP-NET 患者的治疗模式与临床结局两方面。数据内容依托纵向处方索赔数据与医疗索赔数据构建，并补充死亡数据，用以支持对患者治疗路径和结局的观察性分析。关于具体变量字段、样本规模、时间跨度等细节，源站未提供。
【采集与来源】
数据来源站为 clinicaltrials.gov。研究使用的数据基础包括开源纵向处方索赔（LRx）数据库和以患者为中心的医疗索赔（Dx）数据库，并在此基础上补充死亡数据。研究对象为美国境内新诊断的胃肠胰神经内分泌肿瘤患者。关于具体的采集流程、数据链接方法及伦理审批等信息，源站未提供。
【适用场景】
该数据集适用于围绕 GEP-NET 真实世界诊疗情况的分析场景，例如描述新诊断患者的治疗模式分布、观察临床结局特征，以及为相关真实世界证据研究提供数据参考。其基于索赔数据库与死亡数据的设计，适合开展观察性、回顾性的治疗与结局分析。关于其他具体应用方向，源站未提供。
【使用方法】
该数据集基于纵向处方索赔、医疗索赔及补充死亡数据开展研究，使用时可围绕治疗模式与临床结局两个核心维度进行观察性分析。关于具体的数据访问方式、分析工具、统计方法及操作步骤，源站未提供。
【质量与限制】
该研究依托索赔数据库与死亡数据，属于基于既有数据的观察性研究设计。关于数据的完整性、准确性评估、偏倚控制措施及已知局限性，源站未提供。
【引用与许可】
关于该数据集的引用格式与许可条款，源站未提供。
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/NCT07635316
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：胃肠胰神经内分泌肿瘤。本研究旨在利用开源纵向处方索赔（LRx）和以患者为中心的医疗索赔（Dx）数据库，并辅以死亡率数据，来描述美国新诊断GEP-NET患者的当前治疗模式和临床结局。
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。
