利用利益相关方与信息价值确定癌症研究优先级的结构化方法[方法学研究]，美国，2008-2018，版本1

数据集获取

源站：https://doi.org/10.3886/ICPSR39518.V1

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

资助癌症研究的组织需要决定资助哪些研究。信息价值（VOI）是一种帮助对研究进行排序的方法。VOI通过考察研究可能对健康以及对医疗保健产生的影响，来估算研究的价值。SWOG（原西南肿瘤学组）是一个由美国国家癌症研究所（National Cancer Institute）资助的癌症研究人员网络。SWOG负责人根据研究的科学价值及其潜在影响，对新的研究提案进行评审和评分。根据研究得分，SWOG领导委员会决定是否将该研究提交给美国国家癌症研究所进行资助评审。在这项研究中，研究团队想了解向委员会提供VOI数据是否会影响其对提案的评分。团队还想了解提供VOI数据是否有助于决定资助哪些研究。该研究分为两部分。研究团队创建了一个快速估算VOI的流程。随后，团队在SWOG委员会评审的九项研究提案上测试了该流程。（1）开发一种快速流程，用于计算研究投资临床和经济回报的信息价值（VOI）估计；（2）评估向癌症研究提案评审人员提供VOI估计的效果。VOI分析是一种卫生经济学技术，用于估算研究投资的临床和经济回报。这些估计可在确定研究优先顺序时补充其他信息。然而，计算VOI所需的时间限制了其在截止期限紧迫的提案评审流程中的广泛应用。研究团队与SWOG的研究人员及执行委员会合作；SWOG是美国国家癌症研究所（National Cancer Institute）下属国家临床试验网络（National Clinical Trials Network）中的一个合作组（原西南肿瘤学组）。研究团队开发了一种最小化建模流程，利用由九项2期和3期随机试验组成的随机回顾性样本，快速计算VOI估计。

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。