皮肤癌患者超说明书用药保险覆盖的“过滤”观察性研究
该数据集来自 clinicaltrials.gov，为一项观察性研究，聚焦局部晚期或高复发风险的多种皮肤癌患者，包括临床II、III、IV期皮肤 Merkel 细胞癌（AJCC v8）、局部晚期基底细胞癌、局部晚期恶性皮肤肿瘤、局部晚期 Merkel 细胞癌、局部晚期黏膜黑色素瘤及局部晚期鳞状细胞癌
基本信息
资源简介
皮肤癌患者超说明书用药保险覆盖的“过滤”观察性研究
该数据集来自 clinicaltrials.gov，为一项观察性研究，聚焦局部晚期或高复发风险的多种皮肤癌患者，包括临床II、III、IV期皮肤 Merkel 细胞癌（AJCC v8）、局部晚期基底细胞癌、局部晚期恶性皮肤肿瘤、局部晚期 Merkel 细胞癌、局部晚期黏膜黑色素瘤及局部晚期鳞状细胞癌。研究主要目标是在真实临床实践中评估可切除皮肤癌患者的手术时机、费用及手术结局。患者需完成问卷调查并接受病历审查。数据可用于分析超说明书用药的保险覆盖情况、治疗可及性及真实世界临床结局（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：临床II期皮肤 Merkel 细胞癌 AJCC v8、临床III期皮肤 Merkel 细胞癌 AJCC v8、临床IV期皮肤 Merkel 细胞癌 AJCC v8、局部晚期基底细胞癌、局部晚期恶性皮肤肿瘤、局部晚期 Merkel 细胞癌、局部晚期黏膜黑色素瘤、局部晚期鳞状细胞癌。主要目标：I. 在真实临床实践中，评估可切除的局部晚期或高复发风险的各种皮肤癌患者的手术时机、费用和手术结局。概述：这是一项观察性研究。患者完成一项调查，并在研究期间接受病历审查。
【主题与分类】
主题标签：Locally Advanced Basal Cell Carcinoma、Locally Advanced Malignant Skin Neoplasm、Locally Advanced Merkel Cell Carcinoma、Locally Advanced Mucosal Melanoma、Locally Advanced Squamous Cell Carcinoma。本站分类：肿瘤/皮肤癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07215988
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/NCT07215988
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
条件：临床II期皮肤梅克尔细胞癌AJCC v8、临床III期皮肤梅克尔细胞癌AJCC v8、临床IV期皮肤梅克尔细胞癌AJCC v8、局部晚期基底细胞癌、局部晚期恶性皮肤肿瘤、局部晚期梅克尔细胞癌、局部晚期黏膜黑色素瘤、局部晚期鳞状细胞癌。主要目标：I. 在真实临床实践中，评估可切除的局部晚期或高复发风险的各种皮肤癌患者的手术时机、成本及手术结果。大纲：这是一项观察性研究。患者完成一项调查，并在研究中对他们的医疗记录进行审查。
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。
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。
