基本信息

模态

基因组

任务类型

预测

创建/更新时间

2026-10-06

资源简介

phs001621：铂类研究

phs001621: The Platinum Study 是一个以睾丸癌为研究对象的肿瘤领域数据集，来源于 ncbi.nlm.nih.gov。该数据集在分类上归属于肿瘤 / 睾丸癌方向，其研究设计同时包含纵向与横断面两种类型，主题标签为 Longitudinal 和 Cross-Sectional。整体来看，该数据集可用于分析睾丸癌患者在纵向随访与横断面观察中的特征与变化，支持疾病进展、预后或相关因素的研究与预测建模。其来源站描述将其界定为 dbGaP study，并明确其设计为 Longitudinal、Cross-Sectional。该数据集适合关注睾丸癌长期随访数据与横断面观察数据的研究者使用，为相关临床研究、流行病学分析和预测模型构建提供数据基础。

【数据集背景】

该数据集英文名称为 phs001621: The Platinum Study，所属分类为肿瘤 / 睾丸癌，来源站为 ncbi.nlm.nih.gov。源站将其描述为 dbGaP study，研究设计类型为 Longitudinal、Cross-Sectional。主题标签同样为 Longitudinal 和 Cross-Sectional。从这些信息可以看出，该数据集围绕睾丸癌这一肿瘤类型展开，并采用纵向与横断面相结合的研究设计。纵向设计通常关注同一群体在多个时间点上的变化，横断面设计则关注某一时间点上的特征分布。该数据集将两种设计结合，意味着其可能同时涵盖随访观察与横断面观察两个维度的数据组织方式。关于该数据集的具体研究发起背景、研究目的、资助来源、研究机构等更详细的信息，源站未提供。

【数据内容】

该数据集的主题标签为 Longitudinal 和 Cross-Sectional，表明其数据内容在时间维度上兼具纵向随访与横断面观察两种特征。其分类为肿瘤 / 睾丸癌，说明数据内容与睾丸癌这一疾病领域相关。根据侧写线索，该数据集可用于分析睾丸癌患者在纵向随访与横断面观察中的特征与变化，支持疾病进展、预后或相关因素的研究与预测建模。因此，其数据内容可能涉及患者在纵向随访过程中的特征变化，以及在横断面观察中的状态分布。关于具体变量、样本量、随访时间点、人群特征、临床指标、基因组数据或其他组学数据等详细内容，源站未提供。

【采集与来源】

该数据集的来源站为 ncbi.nlm.nih.gov。源站将其描述为 dbGaP study，研究设计为 Longitudinal、Cross-Sectional。dbGaP 是 NCBI 下属的基因型与表型数据库，通常用于存储与共享基因型、表型及临床相关信息。该数据集被归类为肿瘤 / 睾丸癌，主题标签为 Longitudinal 和 Cross-Sectional。关于具体的采集方式、采集时间、采集地点、纳入排除标准、样本收集流程、数据生成方法等详细信息，源站未提供。

【适用场景】

根据侧写线索，该数据集可用于分析睾丸癌患者在纵向随访与横断面观察中的特征与变化，支持疾病进展、预后或相关因素的研究与预测建模。其纵向与横断面相结合的设计，使其适用于需要同时考虑时间变化与横断面分布的研究场景。例如，在睾丸癌相关研究中，研究者可能利用纵向数据观察患者随时间推移的特征变化，利用横断面数据观察特定时间点上的特征分布，并在此基础上探索疾病进展、预后或相关因素。该数据集也可用于预测建模，以支持对睾丸癌相关结局的预测分析。关于具体的适用研究问题、分析类型或应用领域，源站未提供更多细节。

【使用方法】

该数据集来源于 ncbi.nlm.nih.gov，源站描述为 dbGaP study，设计类型为 Longitudinal、Cross-Sectional。通常，dbGaP 研究的数据使用可能涉及访问申请、数据下载、受控访问等流程。关于该数据集的具体使用方法、访问权限、下载方式、数据处理流程、分析工具要求等详细信息，源站未提供。

【质量与限制】

该数据集的设计类型为 Longitudinal、Cross-Sectional，主题标签为 Longitudinal 和 Cross-Sectional，来源站为 ncbi.nlm.nih.gov，源站描述为 dbGaP study。关于该数据集的数据质量、完整性、准确性、偏倚风险、样本代表性、随访丢失情况、横断面样本与纵向样本的关系等具体质量与限制信息，源站未提供。

【引用与许可】

该数据集英文名称为 phs001621: The Platinum Study，来源站为 ncbi.nlm.nih.gov。关于该数据集的具体引用方式、许可条款、使用限制、数据共享政策、访问权限要求等详细信息，源站未提供。

原始链接

https://ncbi.nlm.nih.gov/projects/gap/cgi-bin/study.cgi?study_id=phs001621

访问原始数据

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付，我们提供全链路闭环服务，让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持？联系我们获取定制方案。

帮我联系

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://ncbi.nlm.nih.gov/projects/gap/cgi-bin/study.cgi?study_id=phs001621

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。

数据说明

dbGaP study (Longitudinal, Cross-Sectional).

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