胃与肠道息肉切除后复发研究
该数据集来自 clinicaltrials.gov,属于肿瘤/胃癌分类,研究胃与肠道息肉内镜切除后的复发情况。采用回顾性与前瞻性混合队列设计,评估短期(1年)和长期(3年)复发率,并识别独立风险因素、构建复发风险预测模型

基本信息
资源简介
胃与肠道息肉切除后复发研究
该数据集来自 clinicaltrials.gov,属于肿瘤/胃癌分类,研究胃与肠道息肉内镜切除后的复发情况。采用回顾性与前瞻性混合队列设计,评估短期(1年)和长期(3年)复发率,并识别独立风险因素、构建复发风险预测模型。覆盖胃息肉、肠息肉、结肠息肉、结直肠息肉、腺瘤性息肉、胃腺瘤与早期胃癌、结直肠腺瘤等条件,可用于复发风险预测与相关因素分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:胃息肉、肠息肉、结肠息肉、结直肠息肉、腺瘤性息肉、胃腺瘤与早期胃癌、结直肠腺瘤。这是一项回顾性与前瞻性队列研究,旨在评估胃与肠道息肉内镜切除后的复发率并识别风险因素。背景:胃与肠道息肉是常见的消化系统疾病,具有恶变潜能。尽管内镜切除是标准治疗,但复发率范围为10-50%,其机制和风险因素仍不明确。目的:主要:评估内镜息肉切除后的短期(1年)和长期(3年)复发率。次要:识别独立风险因素并开发复发风险预测模型。设计:混合回顾性-前瞻性队列研究 * 回顾性队列:
【主题与分类】
主题标签:Gastric Polyps、Intestinal Polyps、Colon Polyps、Colorectal Polyps、Adenomatous Polyps、Gastric Adenoma and Early Gastric Cancer、Colorectal Adenoma。本站分类:肿瘤/胃癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07314554
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/NCT07314554
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:胃息肉、肠息肉、结肠息肉、结直肠息肉、腺瘤性息肉、胃腺瘤及早期胃癌、结直肠腺瘤。这是一项回顾性及前瞻性队列研究,旨在评估胃息肉和肠息肉内镜下切除后的复发率并识别危险因素。背景:胃息肉和肠息肉是常见的消化系统疾病,具有恶变潜能。尽管内镜下切除是标准治疗方法,但复发率介于10-50%,其机制和危险因素仍不明确。
目的:主要:评估内镜下息肉切除术后的短期(1年)和长期(3年)复发率。次要:识别独立危险因素并建立复发风险预测模型。设计:混合回顾性-前瞻性队列研究 * 回顾性队列:2021-2022年接受息肉切除术的患者,随访数据截至2024年 * 前瞻性队列:2024-2025年入组患者,标准化随访至2028年。地点:单一家三级转诊中心,自2021年以来已实施超过10,000例内镜下息肉切除术。参与者:约1,600-1,800例接受胃或肠道息肉完整内镜下切除术的成年患者(≥18岁)。随访:* 短期:切除术后1年(±2个月) * 长期:切除术后3年(±3个月)。主要结局:复发率,定义为内镜监测期间在原位或其他部位检出新的息肉。潜在危险因素:患者人口学特征、息肉特征(大小、数量、位置、病理)、切除方法、幽门螺杆菌状态、生活方式因素和药物使用。预期影响:结果将为个体化随访
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。




