甲状腺健康结局手术注册研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT07812779

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

疾病范围：甲状腺疾病、甲状腺肿瘤、甲状腺癌、甲状腺结节、甲状腺肿、甲状腺髓样癌、良性甲状腺疾病手术、真实世界数据。THORS是一个伞形真实世界数据研究项目，设计为开放、单中心、双向观察性队列。回顾性部分使用常规诊疗中产生的二手数据，包括手术记录、住院记录、病理与免疫组化报告、住院与门诊临床文书、再入院记录、随访就诊记录以及可获得的资源/费用信息。注册后，新符合条件的患者作为常规临床实践的一部分，继续前瞻性地进入队列，临床可获得的随访信息纵向补充。研究方案不指定甲状腺手术、淋巴结清扫、诊断性检查或辅助治疗的类型或范围。该项目使用关联的患者、住院、手术、病理、并发症和随访层面的数据结构。

原始源值、技术上标准化的数据、自动化筛查信号、作者临床分类、独立专家分类以及裁定值，在适用时均作为独立层级保留。每个实质性子研究均有预先设定的科学问题、入选标准、结局定义、数据冻结和统计分析计划。缺失情况、来源溯源、数据源之间的不一致、分类错误以及患者内的重复观察均被明确评估。临床目标包括描述外科实践和病理学；经临床验证的术后并发症；功能结局；重复、完成和复发相关手术；长期肿瘤学结局；在能够充分控制混杂因素时对临床相关手术策略进行比较；以及医疗资源使用。方法学目标包括队列构建和表型分析的可重复性、多来源结局检测与专家裁定、数据质量评估，以及测量13项COS的可行性。

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。