复发神经母细胞瘤患儿家长决策研究
该数据集来自 clinicaltrials.gov,聚焦复发神经母细胞瘤患儿家长的医疗决策过程。源站描述指出,晚期癌症患儿家长的决策复杂,许多家长对预后持过度乐观信念,因而在生命终末期仍选择积极治疗,这与更大痛苦相关;但多数家长希望减少痛苦,且回顾时对晚期癌症治疗选择感到后悔

基本信息
资源简介
复发神经母细胞瘤患儿家长决策研究
该数据集来自 clinicaltrials.gov,聚焦复发神经母细胞瘤患儿家长的医疗决策过程。源站描述指出,晚期癌症患儿家长的决策复杂,许多家长对预后持过度乐观信念,因而在生命终末期仍选择积极治疗,这与更大痛苦相关;但多数家长希望减少痛苦,且回顾时对晚期癌症治疗选择感到后悔。研究拟从三个重要方面评估晚期癌症中的家长决策,弥补文献空白,包括既往研究多只关注单一时点的决策、常在患儿去世后请家长回顾决策等局限。数据可用于研究家长决策模式、预后认知偏差及临终治疗选择(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:复发神经母细胞瘤。晚期癌症患儿家长的决策是复杂的。许多家长对预后持有过度乐观的信念,因此即使在生命终末期也选择积极措施,这与更大的痛苦相关。然而,大多数家长希望限制痛苦,并且回顾时,许多人对晚期癌症的癌症治疗选择感到后悔。这些发现表明,家长并不总是拥有做出反映其偏好的决策所需的信息。拟议研究将评估晚期癌症中的家长决策,从3个重要方面弥补文献中的空白。1)以往关于晚期癌症患儿决策的工作通常只关注某一时间点的决策,常常在患儿死亡后请家长回顾决策,尽管家长的理解
【主题与分类】
主题标签:Relapsed Neuroblastoma。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02282735
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/NCT02282735
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:复发性神经母细胞瘤。晚期癌症患儿父母的决策过程十分复杂。许多父母对预后持有过于乐观的看法,因此在生命终末期仍选择积极治疗措施,而这与更大的痛苦相关。然而,大多数父母希望减轻痛苦,回顾往事时,许多人对晚期癌症的治疗选择感到后悔。这些发现表明,父母并非总能获得所需信息以做出符合其意愿的决策。拟议研究将评估晚期癌症中的父母决策,从三个重要方面填补文献中的空白。1)以往关于晚期癌症患儿决策的研究通常仅关注某一时间点的决策,往往要求父母在孩子去世后回顾决策,尽管父母对预后的理解及照护决策会随时间演变。我们将随时间评估晚期癌症中的父母决策。2)现有研究将积极的终末期照护视为最糟糕的结果。
然而,有些父母即使认识到孩子治愈的机会渺茫,仍希望采取积极的治疗措施。我们将评估父母在晚期癌症决策中的知情程度及其与偏好的契合度,无论这些决策导向积极治疗还是姑息治疗。3)以往的研究聚焦于不同儿童癌症群体,难以确定决策差异究竟反映的是疾病差异、治疗选择差异,还是父母偏好差异。我们将聚焦于单一疾病——复发性神经母细胞瘤,作为父母决策的模型。复发性神经母细胞瘤患儿虽患晚期癌症,但拥有多种治疗选择,包括既定的癌症治疗方案、临床试验和姑息治疗。复发性神经母细胞瘤为复杂选择情境下的父母决策提供了一个理想模型。
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。




