转移性脑部疾病患者报告结局、影像与试验纳入队列（COIMBRA）
COIMBRA 是一个前瞻性队列，面向成人脑转移瘤及恶性脑肿瘤患者，旨在为系统、同步评估新干预措施、MRI 序列及前瞻性结局研究（含预测建模）提供平台
基本信息
资源简介
转移性脑部疾病患者报告结局、影像与试验纳入队列（COIMBRA）
COIMBRA（The Cohort for Patient-reported Outcomes, Imaging and Trial Inclusion in Metastatic BRAin Disease）是一个前瞻性队列，面向成人脑转移瘤及恶性脑肿瘤患者。该队列的定位是作为一个设施或平台，用于高效、系统且同步地评估新的干预措施、MRI 序列以及前瞻性结局研究（包括预测建模）。入组患者将接受前瞻性随访，围绕治疗收集生存、症状、生活质量（患者与照护者）、认知、毒性及日常功能等方面的信息。在未参加 cmRCT 的情况下，患者按现行指南接受常规的最佳临床照护。该数据集在站内归入肿瘤／其他分类，来源为 clinicaltrials.gov，主题标签涵盖成人脑转移瘤与成人恶性脑肿瘤。
【数据集背景】
COIMBRA 针对的是成人脑转移瘤与恶性脑肿瘤这一患者群体。源站将其描述为一个前瞻性队列，其设立目的并非单一研究，而是作为一项设施，支持对新干预措施与 MRI 序列进行高效、系统、同步的评估，并支撑前瞻性结局研究，其中明确包括预测建模。这一背景决定了该队列具有平台性质：它既服务于影像学序列的评价，也服务于干预措施评估与结局预测研究，从而在同一个前瞻性框架下并行推进多类研究问题。
【数据内容】
该队列前瞻性收集的信息覆盖多个维度：生存情况、症状、生活质量（分别针对患者与照护者）、认知、毒性，以及与治疗相关的日常功能。上述信息均在与治疗的关系中被前瞻性记录。主题标签指向成人脑转移瘤以及成人恶性脑肿瘤。源站未提供各维度的具体测量工具、采集时点、变量数量或样本量等细节。
【采集与来源】
数据来源于 clinicaltrials.gov 所描述的 COIMBRA 前瞻性队列。患者在前瞻性随访中被持续收集上述结局信息。关于入组患者将按现行指南接受常规最佳临床照护，除非其参加 cmRCT。源站未提供具体的采集流程、随访间隔、数据管理方式或质量控制措施。
【适用场景】
基于其平台定位，该队列适用于：对新干预措施进行系统、同步的评估；对 MRI 序列进行评价；开展前瞻性结局研究，包括预测建模；以及围绕生存、症状、生活质量、认知、毒性和日常功能等结局开展与治疗相关的研究。由于同时覆盖患者与照护者的生活质量信息，也可支撑涉及照护者视角的结局分析。
【使用方法】
源站未提供数据访问方式、申请流程、使用协议或分析接口等具体说明。
【质量与限制】
该队列为前瞻性设计，并按现行指南提供常规最佳临床照护（未参加 cmRCT 者），这构成其设计上的特征。源站未提供样本量、随访时长、失访率、数据完整性或偏倚控制等方面的具体信息，因此无法据此评估其质量水平与使用限制的具体程度。
【引用与许可】
源站未提供引用格式、许可条款或使用限制等信息。
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/NCT05267158
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：脑转移瘤，成人，脑肿瘤，成人，恶性。COIMBRA队列是一个前瞻性队列，将作为一个平台，用于高效、系统且同步地评估新干预措施和MRI序列以及前瞻性结局研究（包括预测建模）。COIMBRA患者将接受前瞻性随访，并前瞻性收集与治疗相关的生存、症状、生活质量（患者和照护者）、认知、毒性和日常功能等信息。当患者未参与cmRCT时，将按照现行指南接受常规的最佳临床照护。
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。
