子宫内膜癌幸存者体重管理研究

该数据集来自 clinicaltrials.gov,聚焦早期子宫内膜癌幸存者的体重管理问题。研究旨在了解肿瘤科医生如何通过多学科团队,帮助肥胖的子宫内膜癌幸存者参与体重管理项目,并可能开始使用减重药物

University of Kansas Medical CenterUniversity of Kansas Medical Center
clinicaltrials
浏览 10
文本预测Endometrial Cancer SurvivorsWeight ManagementEarly Stage Endometrial Cancer
Weight Loss Management in Endometrial Cancer Survivors

基本信息

模态
文本
任务类型
预测
创建/更新时间
2026-10-17

资源简介

子宫内膜癌幸存者体重管理研究

该数据集来自 clinicaltrials.gov,聚焦早期子宫内膜癌幸存者的体重管理问题。研究旨在了解肿瘤科医生如何通过多学科团队,帮助肥胖的子宫内膜癌幸存者参与体重管理项目,并可能开始使用减重药物。患者将被转诊至 KUMC OB/Gyn 体重管理门诊讨论体重管理方案。研究将收集选择使用减重药物患者的常规监测图表数据,以及未使用药物患者的常规体检和实验室数据。数据可用于分析体重管理干预对子宫内膜癌幸存者健康结局的预测作用(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):状况:子宫内膜癌幸存者、体重管理、早期子宫内膜癌。本研究旨在了解肿瘤科医生如何让多学科团队参与,帮助肥胖的子宫内膜癌幸存者参与体重管理项目,并可能开始使用减重药物。肥胖对早期子宫内膜癌幸存者未来健康和寿命的影响往往超过其癌症诊断。患者将被转诊至 KUMC OB/Gyn 体重管理门诊讨论体重管理方案。 如果患者决定使用减重药物,则研究将从其病历中收集作为减重药物患者常规监测一部分而记录的数据。 如果患者决定不使用任何药物,研究将监测作为其常规医疗一部分而收集的体检和实验室数据

【主题与分类】

主题标签:Endometrial Cancer Survivors、Weight Management、Early Stage Endometrial Cancer。本站分类:肿瘤。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT06877572

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT06877572

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

条件:子宫内膜癌幸存者、体重管理、早期子宫内膜癌。本研究旨在了解肿瘤科医生如何组织多学科团队,帮助肥胖的子宫内膜癌幸存者参与体重管理项目,并可能开始使用减重药物。肥胖对早期子宫内膜癌幸存者未来健康和寿命的影响,往往超过其癌症诊断本身。患者将被转介至KUMC妇产科体重管理门诊,讨论体重管理方案。* 若患者决定使用减重药物,研究将从其病历中收集作为减重药物患者常规监测一部分所记录的数据。* 若患者决定不使用任何药物,研究将监测作为其常规医疗护理一部分所收集的体格检查和实验室数据。本研究还将尝试了解患者开始或未开始使用减重药物的原因。

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。

获取专属数据定制方案