妇科肿瘤转诊提示干预研究
该数据集来自 clinicaltrials.gov，聚焦卵巢癌、输卵管癌与腹膜癌患者。研究包含一项干预措施，即向临床医生发送妇科肿瘤转诊提示
基本信息
资源简介
妇科肿瘤转诊提示干预研究
Nudge to Gynecologic Oncology 是一个来源于 clinicaltrials.gov 的医学研究数据集，聚焦于卵巢癌、输卵管癌与腹膜癌患者。该研究围绕一项干预措施展开，即向临床医生发送妇科肿瘤转诊提示。当患者通过影像学检查被识别为具有复杂附件肿块时，临床研究协调员将暂存相关医嘱，并附上包含国家妇科肿瘤转诊指南内容及退出选项框架语言的消息，发送给开具医嘱的提供者以待签署。该数据集在本站归类于肿瘤 / 其他类别，主题标签涵盖卵巢癌、输卵管癌与腹膜癌，整体侧写指向妇科肿瘤转诊环节中的临床提示干预场景。
【数据集背景】
该数据集所对应的研究关注卵巢癌、输卵管癌与腹膜癌患者的诊疗路径。根据源站描述，当患者被诊断为影像学上的复杂附件肿块时，推荐将其转诊至妇科肿瘤科。具体而言，这一推荐适用于超声或磁共振成像（MRI）中卵巢-附件报告与数据系统（O-RADS）评分为4或5的情况。研究旨在通过一项干预措施——向临床医生发送妇科肿瘤转诊提示——来影响转诊行为。该数据集的主题标签明确指向卵巢癌、输卵管癌与腹膜癌，表明其研究人群与这些妇科恶性肿瘤密切相关。
【数据内容】
该数据集的核心内容围绕一项干预措施的设计与实施。研究包含一个干预：向临床医生发送妇科肿瘤转诊提示。当患者被识别为具有复杂附件肿块时，临床研究协调员将暂存相关医嘱，并将其发送给开具医嘱的提供者，附带一条要求签署的消息。该消息包含关于国家妇科肿瘤转诊指南的内容，并采用退出选项框架的语言。数据集本身的具体字段、变量结构、样本量、时间范围、随访数据等信息，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述提供了研究条件、干预措施及转诊推荐标准等信息。数据采集的具体方式、采集时间、采集地点、样本纳入与排除标准等细节，源站未提供。
【适用场景】
基于源站描述，该数据集适用于与妇科肿瘤转诊相关的临床研究场景，特别是涉及卵巢癌、输卵管癌与腹膜癌患者中复杂附件肿块识别与转诊决策的干预研究。其干预设计——通过临床研究协调员暂存医嘱并向提供者发送带有指南内容和退出选项框架语言的消息——可用于评估临床提示对妇科肿瘤转诊行为的影响。其他具体适用场景，源站未提供。
【使用方法】
该数据集的使用方法、访问方式、数据格式、分析工具或操作步骤等，源站未提供。
【质量与限制】
该数据集的质量评估、数据完整性、潜在偏倚、局限性等信息，源站未提供。
【引用与许可】
该数据集的引用方式、许可条款、使用限制等信息，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/NCT06451263
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：卵巢癌、输卵管癌、腹膜癌。本研究包含一项干预措施，即对临床医生进行提示以转诊至妇科肿瘤科。当患者影像学检查诊断为复杂性附件肿块（即超声或磁共振成像[MRI]上的卵巢-附件报告和数据系统[O-RADS] 4或5类）时，建议转诊至妇科肿瘤科。当患者被识别为患有复杂性附件肿块时，临床研究协调员将暂存医嘱，并发送给开具医嘱的医生，附上签署提示信息。该信息将包含关于转诊至妇科肿瘤科的国家指南内容，并采用可选择退出的措辞。
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。
