COVID-19期间参与过既往临床试验的神经病变癌症患者幸福感研究
该数据集来自clinicaltrials.gov,聚焦COVID-19疫情期间伴有神经病变的癌症患者,涵盖COVID-19感染、造血与淋巴细胞肿瘤、恶性实体肿瘤及神经病变人群

基本信息
资源简介
COVID-19期间参与过既往临床试验的神经病变癌症患者幸福感研究
该数据集来自clinicaltrials.gov,聚焦COVID-19疫情期间伴有神经病变的癌症患者,涵盖COVID-19感染、造血与淋巴细胞肿瘤、恶性实体肿瘤及神经病变人群。数据涉及患者健康相关生活质量(如躯体、情绪、社会幸福感)及COVID-19特异性领域(如焦虑、社会互动、经济状况)的评估,并比较接受NFB治疗与未接受NFB的神经病理性疼痛患者结局差异,同时考察应对与韧性因素的调节作用。可用于分析疫情下癌症患者生活质量、心理 distress 与临床结局的关联(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:COVID-19感染、造血与淋巴细胞肿瘤、恶性实体肿瘤、神经病变。主要目标:I. 评估参与过三项临床试验之一的患者在2019冠状病毒病(COVID-19)大流行期间的健康相关生活质量(HRQOL)(如躯体、情绪、社会幸福感)及其他COVID-19特异性领域(如焦虑、社会互动、经济状况)的经历,以及COVID-19经历与COVID-19特异性痛苦、HRQOL和临床结局之间的关联。II. 检查参与过两项NFB试验之一并接受NFB的神经病理性疼痛患者与参与非治疗相关神经病变研究(即未接受NFB)的神经病理性疼痛患者之间的结局差异。III. 评估应对与韧性因素在多大程度上调节效果
【主题与分类】
主题标签:COVID-19 Infection、Hematopoietic and Lymphoid Cell Neoplasm、Malignant Solid Neoplasm、Neuropathy。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04650178
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/NCT04650178
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
研究条件:COVID-19感染、造血与淋巴细胞肿瘤、恶性实体肿瘤、神经病变。主要目标:I. 评估参与三项临床试验之一的患者在2019年冠状病毒病(COVID-19)大流行期间的健康相关生活质量(HRQOL)(如身体、情感、社会福祉)及其他COVID-19特定领域(如焦虑、社交互动、财务状况)的经历,以及COVID-19经历与COVID-19特定困扰、HRQOL和临床结局之间的关联。II. 检查参与两项NFB试验之一并接受NFB治疗的神经病理性疼痛患者与参与非治疗相关神经病变研究(即未接受NFB治疗)的神经病理性疼痛患者之间的结局差异。III. 评估应对与韧性因素在多大程度上调节COVID-19经历对COVID-19特定困扰、HRQOL和临床结局的影响。
大纲:患者用15分钟完成一份在线问卷,内容涉及他们在COVID-19疫情期间的经历,包括检测情况、暴露风险、他们认识的人是否感染过COVID-19,以及疫情如何影响其生活质量的问题。
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。




