用于加速癌症临床试验患者招募的精选癌症临床结局数据库（C3OD）数据
该数据集来自 Dryad，与加速癌症临床试验患者招募的精选癌症临床结局数据库（C3OD）相关。其目标是解决多源数据格式与技术不一致导致的筛选耗时问题，使研究人员能更快速获取患者详细信息，用于判断癌症临床试验资格并支持患者招募（来源 DOI 解析，Creative Commons Zero v1.0
基本信息
资源简介
用于加速癌症临床试验患者招募的精选癌症临床结局数据库（C3OD）数据
Data from: A Curated Cancer Clinical Outcomes Data Base (C3OD) for accelerating patient recruitment in cancer clinical trials
该数据集来自 Dryad，与加速癌症临床试验患者招募的精选癌症临床结局数据库（C3OD）相关。C3OD 由 The University of Kansas Cancer Center 的 Biostatistics and Informatics Shared Resource 开发，整合电子病历（EMR）、肿瘤登记、生物样本与数据登记等来源的数据，通过单一统一平台进行查询。其目标是解决多源数据格式与技术不一致导致的筛选耗时问题，使研究人员能更快速获取患者详细信息，用于判断癌症临床试验资格并支持患者招募（来源 DOI 解析，Creative Commons Zero v1.0 Universal 许可）。
【数据集背景】
源站首次发布：2019。
【数据内容】
源站描述（机器翻译，仅供参考）：用于确定癌症临床试验患者资格的数据通常来自不同来源，这些来源一般由机构内不同团队维护，使用不同技术，并以不同格式存储。跨来源收集数据并解决不一致问题会增加筛选合格患者所需的时间，可能延迟研究完成。为应对这些挑战，The University of Kansas Cancer Center 的 Biostatistics and Informatics Shared Resource 开发了 Cancer Curated Clinical Outcomes Database（C3OD）。C3OD 合并来自电子病历（EMR）、肿瘤登记、生物样本与数据登记的数据，并允许通过单一统一平台进行查询。通过集中访问并维持适当的控制，C3OD 使研究人员能够更快速地获取每位患者的详细信息，以便
【主题与分类】
主题标签：clinical research informatics、automated eligibility screening、patient recruitment。本站分类：肿瘤。
【获取与许可】
源站页面：https://datadryad.org/dataset/doi:10.5061/dryad.1mq2ts3
使用许可：Creative Commons Zero v1.0 Universal。
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://doi.org/10.5061/dryad.1mq2ts3
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:
数据集大小约 141.8 KB。
数据说明
用于确定患者是否符合癌症临床试验资格的数据通常来自不同的来源，这些数据通常由机构内不同的小组维护，使用不同的技术，并以不同的格式存储。收集数据并解决来源间的不一致性增加了筛选合格患者所需的时间，可能延误研究的完成。为应对这些挑战，堪萨斯大学癌症中心的生物统计学与信息学共享资源部门开发了癌症精选临床结果数据库（C3OD）。C3OD整合了来自电子病历（EMR）、肿瘤登记处、生物样本和数据登记处的数据，并允许通过一个统一的平台进行查询。通过集中访问并维持适当的控制，C3OD使研究人员能够更快速地获取每位患者的详细信息，从而加速资格筛选过程。本文描述了该信息学平台的设计及其可靠性和可用性的初步评估。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
