局部晚期直肠癌患者的信息与支持性照护干预研究
该数据集来自 clinicaltrials.gov,聚焦局部晚期直肠癌患者的信息与支持性照护干预研究。研究为随机对照试验,分两阶段:第一阶段纳入20名参与者,测试心理教育干预相对对照条件在提升自我效能方面的可行性与可接受性;第二阶段原计划为充分把握度的随机对照试验以评估干预效果,后因PATHWAYS

基本信息
资源简介
局部晚期直肠癌患者的信息与支持性照护干预研究
该数据集来自 clinicaltrials.gov,聚焦局部晚期直肠癌患者的信息与支持性照护干预研究。研究为随机对照试验,分两阶段:第一阶段纳入20名参与者,测试心理教育干预相对对照条件在提升自我效能方面的可行性与可接受性;第二阶段原计划为充分把握度的随机对照试验以评估干预效果,后因PATHWAYS干预及研究流程大幅优化,改为第二项试点随机对照试验,评估优化后PATHWAYS研究的可行性与可接受性。数据可用于肿瘤心理支持、自我效能及生活质量相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:直肠癌、自我效能。这是一项随机对照试验,分为两个阶段。研究第一阶段测试了一项心理教育干预相对于对照条件在改善局部晚期直肠癌患者开始多模式治疗时自我效能方面的研究的可行性和可接受性。该阶段入组了20名参与者。研究第二部分最初计划为一项具有足够把握度的随机对照试验,以评估干预在增强患者管理治疗相关挑战和维持生活质量的自我效能方面的效果。由于在研究第一部分之后对PATHWAYS干预和研究程序进行了实质性改进,我们选择将研究第二部分改为第二项试点随机对照试验,以评估改进后的PATHWAYS研究在
【主题与分类】
主题标签:Rectal Cancer、Self Efficacy。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05914766
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/NCT05914766
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:直肠癌、自我效能。这是一项随机对照试验,分为两个阶段。研究第一阶段测试了一项评估心理教育干预相对于对照条件在改善局部晚期直肠癌患者开始多模式治疗时自我效能方面的可行性和可接受性。该阶段招募了20名参与者。研究第二部分最初计划作为一项具有足够效能的随机对照试验,以评估干预在增强患者管理治疗相关挑战和维持生活质量的自我效能方面的效果。由于在研究第一部分之后对PATHWAYS干预和研究程序进行了大量改进,我们决定将研究第二部分改为第二项试点随机对照试验,以在更大规模的患者群体(n=60)中评估改进后的PATHWAYS研究的可行性和可接受性。干预组的参与者将被邀请接受PATHWAYS干预,包括4次由研究临床医生主持的辅导课程,重点关注与LARC多模式治疗相关的信息和支持。
对照组的参与者将收到一份专为LARC患者定制的信息资源指南。预计约有80人将参加这项研究。
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。




