常规筛查与mHealth筛查在Varanasi农村人群口腔潜在恶性疾患及口腔癌早期检测中的效能：一项前瞻性盲法研究
该数据集来自clinicaltrials.gov，聚焦印度Varanasi农村人群口腔潜在恶性疾患与口腔癌的早期检测，比较常规筛查与mHealth筛查的效能
基本信息
资源简介
常规筛查与mHealth筛查在Varanasi农村人群口腔潜在恶性疾患及口腔癌早期检测中的效能：一项前瞻性盲法研究
该数据集对应一项在印度瓦拉纳西（Varanasi）农村人群中开展的前瞻性、盲法研究，主题为口腔潜在恶性疾患与口腔癌的早期检测，核心是比较常规筛查与移动健康（mHealth）筛查的效能。研究关注的人群具有明显的烟草与酒精相关暴露背景，涉及吸烟、卷烟吸烟、烟草使用、烟草吸烟、饮酒、无烟烟草角化病以及嚼槟榔者黏膜等状况。研究同时将mHealth用于口腔癌及癌前病变的早期发现，并着眼于提升人群的口腔癌防治意识以及一线卫生服务提供者的口腔癌诊断知识水平。该计划还包含长期监测安排，以推动印度口腔癌的分期前移。数据集来源于clinicaltrials.gov，在分类上归入肿瘤/其他类别，主题标签覆盖上述各类烟草与酒精相关暴露及口腔黏膜状况。
【数据集背景】
口腔癌及口腔潜在恶性疾患在印度农村地区负担较重，早期发现对于改善预后具有重要意义。该研究以瓦拉纳西农村人群为对象，采用前瞻性与盲法设计，直接比较常规筛查与mHealth筛查两种路径在早期检测中的效能。研究背景中还包含对人群口腔癌认知水平提升的考虑，以及对一线卫生服务提供者诊断知识培训的关注，并设置了长期监测环节，目标是推动口腔癌的分期前移。
【数据内容】
数据集所涉及的内容围绕口腔潜在恶性疾患与口腔癌的早期检测展开，覆盖的受试人群状况包括吸烟、卷烟吸烟、烟草吸烟、烟草使用、饮酒、无烟烟草角化病以及嚼槟榔者黏膜。研究比较常规筛查与mHealth筛查的效能，并涉及人群口腔癌意识与一线卫生服务提供者诊断知识的相关内容。关于具体变量、测量指标、样本量、随访时长等细节，源站未提供。
【采集与来源】
该数据集来源于clinicaltrials.gov，对应一项在印度瓦拉纳西农村人群中开展的前瞻性、盲法研究。研究采用常规筛查与mHealth筛查两种方式进行口腔癌及癌前病变的早期检测，并包含长期监测安排。关于具体的采集流程、筛查工具版本、数据录入方式与质量控制措施，源站未提供。
【适用场景】
该数据集适用于口腔癌与口腔潜在恶性疾患早期检测相关的研究与评估场景，尤其是农村人群中常规筛查与mHealth筛查路径的比较性分析。其主题覆盖烟草与酒精相关暴露及口腔黏膜状况，可用于围绕这些暴露因素开展的口腔癌防控研究背景参考。关于具体可复用的分析场景与建模用途，源站未提供。
【使用方法】
源站未提供。
【质量与限制】
该研究为前瞻性、盲法设计，来源为clinicaltrials.gov。关于样本量、盲法实施细节、失访情况、数据完整性、偏倚控制与外部推广性等信息，源站未提供。
【引用与许可】
源站未提供。
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/NCT06535867
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：吸烟、吸烟、香烟、吸烟、烟草、嚼槟榔者黏膜、烟草使用、吸烟、饮酒、无烟烟草角化过度。将使用移动健康（mHealth）进行口腔癌和癌前病变的早期检测，并提高人群对口腔癌的认识以及一线医疗服务提供者对口腔癌诊断的知识。该规划包括长期监测，以降低印度口腔癌的分期。
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。
