皮肤癌生活质量影响工具效用
该数据集来自 clinicaltrials.gov,聚焦皮肤癌患者的生活质量评估,涵盖皮肤肿瘤、鳞状细胞癌和基底细胞癌。背景显示,非黑色素瘤皮肤癌虽极少危及生命,但疾病与治疗可带来显著并发症及经济负担

基本信息
资源简介
皮肤癌生活质量影响工具效用
该数据集来自 clinicaltrials.gov,聚焦皮肤癌患者的生活质量评估,涵盖皮肤肿瘤、鳞状细胞癌和基底细胞癌。背景显示,非黑色素瘤皮肤癌虽极少危及生命,但疾病与治疗可带来显著并发症及经济负担。英国皮肤科医师协会委托牛津患者报告结局测量组审查皮肤癌 PROMs 证据,结论认为癌症特异性生活质量问卷比 DLQI 等通用工具更敏感,能捕捉瘢痕、毁容、焦虑及对未来皮肤癌的恐惧等问题。该数据可用于皮肤癌生活质量工具效用的分类研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:皮肤肿瘤、鳞状细胞癌、基底细胞癌。背景:皮肤癌是全球白皮肤人群中增长最快的癌症类型。尽管非黑色素瘤皮肤癌(NMSC)很少危及生命,但疾病和治疗均可与显著的并发症相关,并给英国国家医疗服务体系(NHS)带来沉重的经济负担。因此,英国皮肤科医师协会(BAD)委托牛津患者报告结局测量组审查皮肤癌 PROMs 的证据。作者得出结论,癌症特异性生活质量(QOL)问卷在捕捉相关 QOL 问题方面似乎比通用 PROMs(如皮肤病生活质量指数(DLQI))更敏感。在 NMSC 人群中,这些问题包括瘢痕、毁容、焦虑和对未来皮肤癌的恐惧。
【主题与分类】
主题标签:Skin Neoplasm、Squamous Cell Carcinoma、Basal Cell Carcinoma。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02580916
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/NCT02580916
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
病症:皮肤肿瘤、鳞状细胞癌、基底细胞癌。背景:皮肤癌是全球白种人人群中增长最快的癌症类型。尽管非黑色素瘤皮肤癌(NMSC)鲜少危及生命,但疾病本身及其治疗均可导致显著的病态,并给英国国家医疗服务体系(NHS)带来沉重的经济负担。因此,英国皮肤科医师协会(BAD)委托牛津患者报告结果测量小组,审查皮肤癌患者报告结果测量工具(PROMs)的证据。作者得出结论,与通用PROMs(如皮肤病生活质量指数DLQI)相比,癌症特异性生活质量(QOL)问卷在捕捉相关生活质量问题方面显得更为敏感。在NMSC人群中,这些问题包括疤痕、外貌损毁、焦虑及对未来皮肤癌的恐惧。评估的一种皮肤癌特异性PROM是皮肤癌生活质量影响工具(SCQOLIT)。
SCQOLIT是一个专为非转移性皮肤癌患者开发的十项量表,已有证据支持其可重复性、有效性和内部一致性,但仍需进一步评估。本研究决定对SCQOLIT进行评估,原因之一在于其整体格式和简洁性与DLQI相似,而DLQI是一种目前广泛应用于常规皮肤科临床实践的PROM。SCQOLIT患者完成时间不超过五分钟,评分计算方式与DLQI相似。该工具的可接受性和可行性从未在皮肤科门诊中得到严格评估。评估NMSC中PROM的研究大多与手术治疗相关,然而基底细胞癌可通过药物治疗有效处理,例如局部免疫调节剂和光动力疗法,迄今为止,尚未在这些亚人群中研究过PROM。研究依据:本可行性研究旨在评估SCQOLIT问卷,目标是建立
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。




