邻里劣势与儿童癌症成年幸存者多病纵向进展：美国St. Jude终身队列单中心研究
上传文件包含研究数据集，已去除PHI。摘要 背景：癌症治疗对儿童癌症幸存者慢性健康状况（CHC）负担的影响已明确；然而，邻里层面健康社会决定因素（SDOH）的作用仍未得到充分探索
基本信息
资源简介
邻里劣势与儿童癌症成年幸存者多病纵向进展：美国St. Jude终身队列单中心研究
该数据集围绕儿童癌症成年幸存者这一特殊人群，聚焦邻里层面社会决定因素与多病共存纵向进展之间的关系，来源于单中心圣裘德终身队列研究（St. Jude Lifetime Cohort Study）。数据集英文名称为“Neighborhood Disadvantages and Longitudinal Progression of Multimorbidity among Adult Survivors of Childhood Cancer: A Single-Center St. Jude Lifetime Cohort Study in the U.S.”，在本站归类为肿瘤/其他，来源站为doi.org。上传文件包含研究数据集，并已去除受保护健康信息（PHI）。研究背景指出，癌症治疗对儿童癌症幸存者慢性健康状况（CHC）负担的影响已较为明确，但邻里层面健康社会决定因素（SDOH）的作用仍未被充分探索。该数据集可用于分析社会脆弱性与环境脆弱性等因素同幸存者长期多病负担之间的关联。
【数据集背景】
该数据集所属研究为一项在美国开展的单中心队列研究，研究对象为儿童癌症的成年幸存者。研究关注的核心问题是：在癌症治疗对慢性健康状况负担影响已被较多认识的情况下，邻里层面的社会决定因素是否以及如何与多病共存的纵向进展相关。研究将社会决定因素纳入分析框架，涵盖社会脆弱性（以Social Vulnerability Index衡量）以及环境脆弱性（例如初级保健医生[PCP]可及性、食物不可及性等），并按四分位数进行分类。这一背景决定了数据集不仅包含临床健康结局信息，还涉及与居住邻里环境相关的社会与环境维度指标。
【数据内容】
数据集所依托的研究共分析了2,508名幸存者。这些幸存者入组于圣裘德终身队列研究，入组时间范围为2007年9月13日至2020年4月20日。纳入条件包括：距诊断时间不少于5年、年龄不低于18岁，并且至少完成2次临床评估。研究对177项经临床评估的慢性健康状况（CHC）进行汇总，归并为48个CHC组以及一个总体负担指标。社会决定因素方面，数据集涉及社会脆弱性（Social Vulnerability Index）和环境脆弱性（如初级保健医生可及性、食物不可及性），并划分为四分位数。分析方法采用多变量逻辑回归，以考察相关关联。除上述内容外，源站未提供更细化的变量清单、字段结构或数据字典。
【采集与来源】
数据来源于圣裘德终身队列研究，这是一项单中心、美国的队列研究。研究对象的入组时间为2007年9月13日至2020年4月20日。纳入分析的幸存者需满足距诊断不少于5年、年龄不低于18岁且至少具有2次临床评估。数据集文件由上传提供，且已去除PHI。来源站为doi.org。关于数据采集的具体流程、随访方式、临床评估操作细节以及社会与环境脆弱性数据的具体获取途径，源站未提供。
【适用场景】
该数据集适用于研究与儿童癌症成年幸存者长期健康相关的多病共存进展问题，尤其是邻里层面社会决定因素的作用。潜在应用方向包括：分析社会脆弱性与环境脆弱性同慢性健康状况总体负担及分组负担之间的关联；探讨初级保健医生可及性、食物不可及性等环境因素在幸存者长期健康轨迹中的角色；以及在肿瘤学与健康社会决定因素交叉领域开展观察性研究。由于研究采用多变量逻辑回归考察关联，该数据集也可用于方法学上的复现或对照分析。但具体适用场景需以源站提供的研究设计为准，源站未提供额外的适用建议。
【使用方法】
源站描述显示，研究将177项临床评估的慢性健康状况聚合为48个CHC组和一个总体负担指标，并将社会脆弱性和环境脆弱性按四分位数分类，随后采用多变量逻辑回归分析关联。因此，使用该数据集时，可围绕上述聚合方式与分组方式进行变量组织，并以多变量逻辑回归作为主要分析路径。上传文件已去除PHI，使用时应继续遵循相关隐私与数据保护要求。关于数据读取格式、软件环境、代码脚本、变量命名规则及具体建模步骤，源站未提供。
【质量与限制】
该研究为单中心队列研究，样本量为2,508名幸存者，入组时间跨度为2007年9月13日至2020年4月20日，纳入标准明确，包括距诊断不少于5年、年龄不低于18岁以及至少2次临床评估。慢性健康状况覆盖177项并经临床评估，归并为48个CHC组及总体负担，社会与环境脆弱性按四分位数分类，分析采用多变量逻辑回归。这些设计要素为研究提供了较为明确的结构。但源站未提供关于数据缺失情况、失访比例、混杂控制细节、模型拟合优度、外部验证结果以及单中心设计可能带来的普遍性限制等信息。此外，数据集已去除PHI，可能因此不包含某些可识别个体或地理细粒度的信息。除源站描述外，未提供其他质量评估结论。
【引用与许可】
该数据集的来源站为doi.org。引用时应依据该来源站所提供的正式引用信息。关于许可条款、使用授权范围、再分发条件以及商业使用限制，源站未提供。使用者在利用该数据集时，应自行查阅来源站的相关说明，并遵守适用的数据共享与隐私保护规定。
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://doi.org/10.1016/j.eclinm.2026.104255
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
上传的文件包含研究数据集，已去除受保护健康信息（PHI）。摘要 背景：癌症治疗对儿童癌症幸存者慢性健康状况（CHC）负担的影响已得到充分证实；然而，社区层面的健康社会决定因素（SDOH）的作用仍未得到充分探索。方法：在这项美国单中心队列研究中，我们分析了2007年9月13日至2020年4月20日期间纳入St. Jude Lifetime Cohort Study的2，508名幸存者，这些幸存者距诊断≥5年、年龄≥18岁，并接受了≥2次临床评估。SDOH涵盖社会脆弱性（Social Vulnerability Index）和环境脆弱性（例如，初级保健医生[PCP]可及性、食物不可及性），并按四分位数分类。共有177种经临床评估的CHC被汇总为48个CHC组和一个总体负担。多变量logistic回归分析了基线SDOH与从基线到随访期间CHC进展之间的关联，并校正了临床和社会人口学因素。
全球CHC负担进展是预先设定的主要结局；对特定CHC组的分析以及个人社会经济状况的效应修饰分析为探索性分析。结果：与居住在最不脆弱社区的幸存者相比，居住在最为脆弱社区的幸存者——其特征为低收入（比值比[OR]：1.83，95%置信区间[CI]：1.36-2.46）、PCP可及性有限（OR：1.30，95%CI：1.03-1.64）以及食物不可及（OR：1.49，95%CI：1.08-2.07）——发生全球CHC负担进展的风险更高。居住在SDOH脆弱社区与多个CHC组新发/恶化的更高风险相关，包括低教育程度与周围神经系统疾病（OR：2.69，95%CI：1.63-4.43）、食物不可及与心律失常（OR：4.36，95%CI：1.32-14.35），以及步行适宜性差与糖代谢异常（OR：4.60，95%CI：1.41-15.04）。在公共保险的幸存者中，PCP可及性有限和步行适宜性差与
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。
