口腔上皮异常增生信息需求问卷
该数据集来自 clinicaltrials.gov,围绕口腔上皮异常增生(OED)及相关癌前病变(如口腔扁平苔藓、口腔白斑及舌、唇、牙龈部位的白斑)的信息需求展开

基本信息
资源简介
口腔上皮异常增生信息需求问卷
该数据集来自 clinicaltrials.gov,围绕口腔上皮异常增生(OED)及相关癌前病变(如口腔扁平苔藓、口腔白斑及舌、唇、牙龈部位的白斑)的信息需求展开。源站描述指出 OED 患者口腔癌风险为 6% 至 36%,英国口腔癌年新发约 6000 例,患者教育与信息提供对共享决策和疾病管理很重要,但患者可能对医护人员提供的信息不满意。数据可用于研究患者信息需求与教育干预(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:口腔上皮异常增生、癌前状况、癌前病变、口腔扁平苔藓、口腔白斑、舌白斑、唇白斑、牙龈白斑。口腔上皮异常增生(OED)是一种与口腔癌风险增加相关的疾病,与无病个体相比,风险在6%至36%之间。在英国,口腔癌是15种最常见癌症之一,每年约有6,000例新发病例,预计未来几年这些数字还会上升。研究表明,患者教育和提供信息在共享决策以及慢性病和癌症相关疾病(例如OED)的管理中很重要。然而,尽管提供的信息很广泛,患者可能对医疗保健专业人员提供的信息不满意。存在未满足的信息
【主题与分类】
主题标签:Oral Epithelial Dysplasia、Precancerous Conditions、Precancerous Lesions、Oral Lichen Planus、Oral Leukoplakia、Oral Leukoplakia of Tongue、Oral Leukoplakia of Lips、Oral Leukoplakia of Gingiva、Oral Erythroplakia、Chronic Hyperplastic Candidosis。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04153266
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/NCT04153266
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:口腔上皮异常增生、癌前状态、癌前病变、口腔扁平苔藓、口腔白斑、舌白斑、唇白斑、牙龈白斑。口腔上皮异常增生(OED)是一种与口腔癌风险增加相关的疾病,与无该病个体相比,其风险增加6%至36%。在英国,口腔癌属于15种最常见癌症之列,每年约有6000例新发病例,预计未来几年这一数字还将上升。研究表明,患者教育以及提供信息在共享决策和慢性病及与癌症相关疾病(例如OED)的管理中具有重要意义。然而,尽管医疗专业人员提供的信息十分广泛,患者仍可能对其提供的信息不满意。信息需求未得到满足可能与更高的焦虑水平相关,而这反过来又可能影响患者的健康状况及其对所提供治疗的配合。
避免这些不良健康结局需要提供量身定制且以患者为中心的照护,即根据患者真正的需求和偏好提供信息。实现这一目标日益常用的一种方法是通过信息需求问卷获取此类信息。这些问卷已针对其他医学状况(包括慢性疾病和某些癌症)开发,但已知其中尚无适用于OED的问卷。因此,一种用于确定OED患者信息需求和偏好的专用工具可能有助于有效实现这些目标。该工具收集的数据可能有助于认识该疾病对身心福祉的影响。此外,这些数据可用于制作反映该患者群体信息需求(IN)的OED信息来源(如患者信息手册)。在本研究的初步工作中,口腔上皮异常增生信息需求问卷(ODIN-Q)是通过采用现有的有效且可靠的、用于探究潜在恶性……患者信息需求的工具而开发的。
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。




