肛癌患者放疗剂量共享决策
该数据集来自 clinicaltrials.gov，聚焦肛癌患者放疗剂量相关的共享决策研究。数据覆盖肛癌放疗的效果与副作用信息，并包含剂量规划中的详细数据
基本信息
资源简介
肛癌患者放疗剂量共享决策
该数据集英文名为 Shared Decision Making With Anal Cancer Patients on Radiation Dose，来源于 clinicaltrials.gov，聚焦肛癌患者放疗剂量相关的共享决策研究。其主题标签为 Anal Cancer，在分类上归属于肿瘤 / 其他。根据源站描述，该研究关注肛癌的放疗效果与副作用，并强调剂量规划中的详细数据将有助于优化未来的决策辅助工具。整体来看，该数据集围绕肛癌放疗中的剂量决策问题，汇集与疗效、不良反应及剂量规划相关的信息，为临床共享决策提供数据基础。其核心价值在于将放疗剂量规划与患者决策支持相联系，帮助理解不同剂量选择下可能的效果与风险，从而服务于更个体化、信息更充分的医患沟通与治疗决策。
【数据集背景】
肛癌是一种需要综合治疗策略的肿瘤类型，放疗在其中具有重要作用。该数据集来自 clinicaltrials.gov，研究主题为肛癌患者放疗剂量相关的共享决策。源站描述指出，研究将提供关于肛癌放疗效果和副作用的新知识，并且剂量规划中的详细数据将有助于优化未来的决策辅助工具。这表明该数据集所处的背景是：在肛癌放疗过程中，如何基于剂量规划信息与患者进行共享决策，以及如何通过研究数据改进决策支持工具。该数据集在分类上属于肿瘤 / 其他，主题标签为 Anal Cancer。
【数据内容】
该数据集聚焦肛癌患者放疗剂量相关的共享决策研究。数据覆盖肛癌放疗的效果与副作用信息，并包含剂量规划中的详细数据。源站描述提到，研究将提供关于肛癌放疗效果和副作用的新知识，剂量规划中的详细数据将有助于优化未来的决策辅助工具。因此，数据内容的核心方向包括放疗效果、副作用以及剂量规划细节。除上述信息外，源站未提供更具体的数据字段、变量结构、样本量或数据格式说明。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述中列出的条件为 Anal Cancer。该数据集的主题标签为 Anal Cancer，本站分类为肿瘤 / 其他。关于采集方式、采集时间范围、采集机构、受试者招募细节、数据收集流程等，源站未提供。
【适用场景】
该数据集适用于与肛癌放疗剂量共享决策相关的研究与应用场景。根据源站描述，其数据可用于了解肛癌放疗的效果与副作用，并支持利用剂量规划详细数据优化未来的决策辅助工具。潜在适用方向包括：放疗剂量决策支持、医患共享决策辅助工具开发、肛癌放疗效果与副作用分析，以及剂量规划相关研究。除上述方向外，源站未提供其他具体适用场景。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据访问方式、下载格式、预处理步骤、分析工具或接口说明等。
【质量与限制】
源站未提供该数据集的质量评估信息、数据完整性说明、偏倚控制、样本代表性或使用限制等内容。
【引用与许可】
源站未提供该数据集的引用格式、许可条款、使用权限或授权要求等信息。
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/NCT02785263
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：肛门癌。该研究还将提供关于肛门癌放射治疗的效果和副作用的新知识，而剂量规划中的详细数据将有助于优化未来的决策辅助工具。
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。
