面向黑色素瘤合并自身免疫病患者免疫检查点抑制剂候选者的教育工具测试
该数据集来自 clinicaltrials.gov,聚焦黑色素瘤合并既存自身免疫病且考虑或正在接受免疫检查点抑制剂治疗的患者

基本信息
资源简介
面向黑色素瘤合并自身免疫病患者免疫检查点抑制剂候选者的教育工具测试
该数据集来自 clinicaltrials.gov,聚焦黑色素瘤合并既存自身免疫病且考虑或正在接受免疫检查点抑制剂治疗的患者。研究评估为这类患者开发的教育工具的可接受性,包括易用性、设计、可及性与内容,并在真实场景中测试其可用性,同时评估试点研究中患者招募的可行性,即能否识别足够患者并使至少 50% 的识别患者同意参与。数据可用于患者教育工具评估、临床研究招募可行性分析及相关主题分类研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:强直性脊柱炎、自身免疫病、克罗恩病、肠病性关节炎、肠病性脊柱炎、炎症性肠病、黑色素瘤、银屑病。主要目标:I. 评估将为考虑或正在接受免疫检查点抑制剂治疗的黑色素瘤合并既存自身免疫病患者开发的教育工具的可接受性(例如易用性、设计、可及性、内容)。II. 在真实场景中测试(待开发的)教育工具的可用性,并在试点研究中评估患者招募的可行性(即识别足够患者并使至少 50% 的识别患者同意参与的能力)。概要:A 部分:参与者用 30-45 分钟浏览教育工具,然后参加访谈,谈谈他们对内容、易用性和形式的想法与意见
【主题与分类】
主题标签:Ankylosing Spondylitis、Autoimmune Disease、Crohn Disease、Enteropathic Arthritis、Enteropathic Spondylitis、Inflammatory Bowel Disease、Melanoma、Psoriasis、Psoriatic Arthritis、Reactive Arthritis。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04751396
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/NCT04751396
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:强直性脊柱炎、自身免疫性疾病、克罗恩病、肠病性关节炎、肠病性脊柱炎、炎症性肠病、黑色素瘤、银屑病。主要目标:I. 评估为考虑或正在接受免疫检查点抑制剂治疗的黑色素瘤合并既存自身免疫性疾病的患者所开发的教育工具的可接受性(例如,易用性、设计、可及性、内容)。II. 在试点研究中测试该教育工具(待开发)在真实世界环境中的可用性,并评估患者招募的可行性(即识别足够患者的能力,以及至少50%的已识别患者同意参与)。概要:A部分:参与者在30-45分钟内浏览教育工具,然后参加为期45分钟的访谈,就其内容、易用性和格式的想法和意见进行交流。B部分:将依次评估2组参与者(第二组参与者将在第一组所有参与者评估完成后入组)。第一组:患者在临床医生诊疗期间接受标准教育信息。
患者还在与临床医生会面之前一周内的基线时、会面后立即以及3个月时完成耗时30-45分钟的问卷。第二组:患者在临床医生会面期间使用教育工具约20分钟。患者还在与临床医生会面之前一周内的基线时、会面后立即以及3个月时完成耗时30-45分钟的问卷。
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。




