新诊断前列腺癌治愈后最佳随访方式识别研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT07264088

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：前列腺癌。这是一项实用性、前瞻性、倾向性匹配的队列研究，使用常规数据，并嵌入患者调查、经济学评价以及定性和偏好研究。各研究站点将按照四种随访策略之一进行分类，以在自然实验中比较结果。个体参与者将按其就诊医院进行聚类。研究的主要队列将从国家疾病登记服务癌症登记处识别。自诊断前3年起，有关治疗、诊断、门诊就诊及二级医疗中发生的其他事件的数据，将从与癌症登记处关联的数据库中提取，包括癌症路径、放疗数据集（RTDS）、全身抗癌治疗数据集（SACT）和医院 Episode 统计（HES）。这些数据集统称为“HES关联数据”。HES关联数据将从诊断前3年开始收集，以便分析能够根据患者病史及前列腺癌诊断前的医疗服务使用模式进行调整，直至最新可用日期（预计为2026年12月31日）。

为确定对患者最具临床和成本效益的随访策略，五个相互关联的工作包（WPs）将针对特定目标展开：- WP1：确定不同随访策略的安全性和临床有效性 阶段1：将验证HES关联数据在研究前列腺癌复发治疗中的效用。将确认数据库是否包含所需参数，并且足够完整，以便稳健评估二级医疗中的结果，包括癌症复发治疗时间及原发治疗副作用的治疗。将开发详细的统计方法和计算机代码，用于确定随访策略在复发治疗方面是否等效，包括处理缺失患者和治疗变量的方法。一项初步调查

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。