憩室炎中的 FIT 研究
该数据集来自 clinicaltrials.gov,聚焦急性憩室炎发作后如何排除结直肠癌。研究关注粪便免疫化学检测(FIT)能否替代结肠镜、乙状结肠镜或 CT 结肠成像等随访检查,并评估单次或多次粪便血红蛋白与粪便钙卫蛋白结果能否用于风险分层,以决定是否需要进一步检查

基本信息
资源简介
憩室炎中的 FIT 研究
该数据集来自 clinicaltrials.gov,聚焦急性憩室炎发作后如何排除结直肠癌。研究关注粪便免疫化学检测(FIT)能否替代结肠镜、乙状结肠镜或 CT 结肠成像等随访检查,并评估单次或多次粪便血红蛋白与粪便钙卫蛋白结果能否用于风险分层,以决定是否需要进一步检查。数据覆盖 Diverticulitis 与 Colorectal Cancer 相关人群,可用于预测结直肠癌风险、比较不同随访策略及支持临床决策研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:憩室炎、结直肠癌。研究目的是什么?本研究的主要目的是探讨粪便免疫化学检测(FIT)能否作为目前所用随访检查(结肠镜、乙状结肠镜或 CT(计算机断层扫描)结肠成像)的替代方案,用于急性憩室炎发作后的患者,以排除结直肠癌(CRC)。如 2021 年 ASCPGBI 共识指南所述,CT 诊断为非复杂性憩室炎者发生 CRC 的风险为 1.6-1.9%,复杂性憩室炎者为 7.8-10.9%。我们的主要目的是确定急性憩室炎发作后单次或多次粪便血红蛋白和粪便钙卫蛋白结果能否用于风险分层,以决定是否需要进一步检查来排除结直肠癌。我们的次要目的是:确定单次或多次……
【主题与分类】
主题标签:Diverticulitis、Colorectal Cancer。本站分类:肿瘤/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06210724
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://clinicaltrials.gov/study/NCT06210724
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
病症:憩室炎、结直肠癌。该研究的目的是什么?本研究的主要目的是探讨粪便免疫化学检测(FIT)能否作为目前所用随访检查(结肠镜检查、柔性乙状结肠镜检查或CT(计算机断层扫描)结肠成像)的替代方案,用于急性憩室炎发作后患者排除结直肠癌(CRC)。正如2021年ASCPGBI共识指南所述,CT诊断为非复杂性憩室炎患者的CRC风险为1.6-1.9%,而复杂性憩室炎患者为7.8-10.9%。我们的主要目的是确定急性憩室炎发作后单次或多次粪便血红蛋白和粪便钙卫蛋白检测结果能否用于风险分层,以指导进一步检查以排除结直肠癌。我们的次要目的是:确定急性憩室炎发作后单次或多次粪便血红蛋白和粪便钙卫蛋白检测结果能否用于风险分层,以指导进一步检查以排除其他结肠病变,如高风险腺瘤?
纳入年龄或贫血等人口学因素是否有助于更好的风险分层?评估急性憩室炎患者的粪便微生物组,以及随着炎症消退其如何变化。任何抗生素治疗也将被记录,并分析其对粪便微生物组的影响。纳入标准:计算机断层扫描诊断为急性憩室炎;能够提供知情同意的参与者;年龄≥18岁;在憩室炎诊断后计划进行结肠镜检查、柔性乙状结肠镜检查或CT结肠成像。排除标准:儿科患者(<18岁);未提供至少1份FIT样本;无法/不愿提供知情同意;撤回同意纳入研究;既往全直肠结肠切除术、次全结肠切除术或存在造口;诊断为结直肠癌;精神健康疾病限制依从性;在医院接受结肠切除术治疗;未进行
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。




