AU-011-301（CoMpass）受试者子集中的脉络膜黑色素瘤患者报告结局研究（CM-PRO）
该数据集来自 clinicaltrials.gov，为 AU-011-404 非干预性患者报告结局（PRO）研究，作为 AU-011-301（CoMpass）临床试验的补充，聚焦脉络膜黑色素瘤、不确定病变、葡萄膜黑色素瘤及眼部黑色素瘤受试者
基本信息
资源简介
AU-011-301（CoMpass）受试者子集中的脉络膜黑色素瘤患者报告结局研究（CM-PRO）
该数据集来自 clinicaltrials.gov，为 AU-011-404 非干预性患者报告结局（PRO）研究，作为 AU-011-301（CoMpass）临床试验的补充，聚焦脉络膜黑色素瘤、不确定病变、葡萄膜黑色素瘤及眼部黑色素瘤受试者。研究通过定制问卷与 EORTC QLQ-C30 等工具，采集受试者对症状管理、功能状态及健康相关生活质量（HRQOL）的自我报告，用于评估 bel-sar 治疗对日常生活与整体健康的影响。数据可支持治疗影响分析、患者视角的结局研究与生活质量相关探索（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：脉络膜黑色素瘤、不确定病变、葡萄膜黑色素瘤、眼部黑色素瘤。AU-011-404 研究补充 AU-011-301 临床试验，旨在通过收集 PRO 来确定 bel-sar 治疗对受试者日常生活和整体健康的更广泛影响。这项非干预性 PRO 研究将通过捕捉受试者对症状管理、功能状态和整体健康相关生活质量（HRQOL）等方面的看法，提供关于治疗影响的有价值见解。研究站点将通过唯一 URL 引导感兴趣参与者进入研究。访问该 URL 后，参与者将被要求审阅/签署知情同意书（ICD）。或者，受试者可审阅并签署纸质版知情同意书。符合条件的参与者随后将被要求回答定制调查问题，随后是 EORTC QLQ-C30 a
【主题与分类】
主题标签：Choroidal Melanoma、Indeterminate Lesions、Uveal Melanoma、Ocular Melanoma。本站分类：肿瘤/皮肤癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07421739
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/NCT07421739
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
疾病：脉络膜黑色素瘤、不确定性病变、葡萄膜黑色素瘤、眼部黑色素瘤。AU-011-404研究是对AU-011-301临床试验的补充，旨在通过收集患者报告结局（PROs），明确bel-sar治疗对受试者日常生活及整体健康状况的更广泛影响。这项非干预性PRO研究将通过捕捉受试者在症状管理、功能状态及整体健康相关生活质量（HRQOL）等方面的观点，提供关于治疗影响的有价值见解。研究中心将通过专属网址引导有兴趣的参与者进入该研究。访问网址后，参与者将被要求审阅/签署知情同意书（ICD）。或者，受试者可审阅并签署纸质版知情同意书。随后，符合条件的参与者将被要求在规定的访视中回答定制调查问题，并填写EORTC QLQ-C30和EORTC QLQ-OPT30问卷，持续长达24个月。
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。
