PEACE

PEACE数据集是为癌症疼痛药物治疗研究设计的，包含超过38,000名患者的详细药物护理记录，涵盖了人口统计、临床检查、治疗结果、药物计划和患者自我感知。该数据集不仅记录了长期和多次的医院内外随访，还包括患者对药物效果的自我评估及其对生活的影响。

The PEACE dataset is designed for research on pharmacological treatment of cancer pain, encompassing detailed medication care records of over 38,000 patients. It includes demographic data, clinical examinations, treatment outcomes, medication plans, and patient self-perceptions. This dataset not only documents long-term and multiple follow-ups both inside and outside the hospital but also includes patients' self-assessments of drug efficacy and its impact on their lives.

原始信息汇总

数据集概述

数据集名称

• PEACE：Pharmaceutical Care for Cancer Pain Analgesia Evaluation and Medication Decision

数据集目的

• 用于癌症疼痛治疗效果评估（TEA）和药物推荐（MR），旨在通过综合患者信息推荐个性化的药物治疗计划，优化药物治疗。

数据集特点

• 包含超过38,000名患者的详细药物治疗记录。
• 记录了患者的年龄、性别、临床检查、治疗结果、药物计划及患者自我感知等多维度信息。
• 不同于现有数据集，PEACE记录了长期和多次的医院内外随访，以及患者的药物效果自我评估和生活影响。

数据集结构

• 主数据文件：All_Data.csv，包含所有患者信息。
• 字典文件：
  • D_Numerical.csv：数值特征的单位。
  • D_Multiclass.csv：多分类特征的含义。
• 模型训练文件：
  • All_data.json：数据集描述。
  • Train data：训练集患者数据。
  • Test data：测试集患者数据。

数据集应用访问

• 需完成CITI“数据或样本仅研究”课程或提供GCP认证。
• 阅读并同意数据使用协议后，向管理员申请最终批准。

数据集代码可用性

• 提供了11种算法的结果，包括机器学习和深度学习模型，用于TEA和MR任务。

数据收集方法

• 数据来源于湘雅医院和癌症疼痛在线随访平台，包括患者基本信息、疼痛水平、药物不良反应等。

数据去标识化

• 患者标识被移除，使用随机生成的唯一代码ID。
• 日期和时间值通过随机偏移进行转换，确保患者数据内的时间序列一致但不可比较。

数据描述

• 包含103个特征，分为六个主要类别：
  • 患者基线信息（50个特征）
  • 全面疼痛评估（15个特征）
  • 先前镇痛治疗（23个特征）
  • 先前镇痛治疗评估（5个特征）
  • 癌症疼痛药物决策（9个特征）
  • 随访（1个特征）

搜集汇总

数据集介绍

构建方式

在癌症疼痛管理领域，PEACE数据集的构建旨在填补现有系统在多学科治疗团队评估和患者药物感知方面的空白。该数据集整合了来自湘雅医院和癌症疼痛在线随访平台的详细药理护理记录，涵盖了超过38,000名患者的多种信息，包括人口统计学、临床检查、治疗结果、药物计划以及患者自我感知。数据收集过程严格遵循伦理审查委员会的批准，确保所有患者信息经过去识别化处理，保护患者隐私。通过这种多源数据的综合，PEACE数据集不仅记录了患者在医院内外的长期和多次随访，还特别纳入了患者对药物效果及其生活影响的自我评估，从而为个性化癌症疼痛管理提供了丰富的数据支持。

特点

PEACE数据集的显著特点在于其全面性和多维性。首先，该数据集不仅包含了传统的人口统计学和临床数据，还特别关注了患者对药物效果的自我感知，这一维度在现有数据集中较为罕见。其次，PEACE数据集记录了患者在医院内外的长期和多次随访，这种连续性的数据收集方式有助于捕捉患者病情的动态变化。此外，数据集中的去识别化处理确保了患者隐私的保护，同时保留了数据的时间序列一致性，使得不同患者的数据在时间维度上具有可比性。最后，PEACE数据集的构建方法使其适用于多种机器学习和深度学习算法的训练和验证，为癌症疼痛管理的个性化治疗提供了强有力的数据支持。

使用方法

PEACE数据集的使用方法相对直接且规范。首先，研究者需完成相关培训，如CITI的“数据或标本仅用于研究”课程，或提供GCP认证。其次，研究者需仔细阅读并同意数据使用协议，通过正式邮件向管理员提交申请。一旦获得批准，研究者将收到包含下载指令的电子邮件。数据集的文档包括主数据文件All_Data.csv，以及描述数值特征和多类特征含义的字典文件。此外，数据集还提供了用于模型训练的JSON文件和训练集、测试集的CSV文件。研究者可以根据这些文件进行数据分析和模型训练，利用PEACE数据集推动癌症疼痛管理的个性化研究。

背景与挑战

背景概述

癌症疼痛管理一直是肿瘤学领域的重要课题，超过半数的癌症患者在治疗过程中面临长期疼痛管理的挑战。近年来，癌症疼痛治疗效果评估（TEA）和药物推荐（MR）系统的研究逐渐增多，旨在通过个性化药物计划优化患者的疼痛管理。然而，现有系统在多学科治疗团队评估和患者对药物的自我感知方面存在不足，且缺乏对患者病情动态变化的详细记录。为此，PEACE数据集应运而生，由主要研究人员和机构设计，旨在解决上述问题。该数据集包含超过38,000名患者的详细药物护理记录，涵盖了人口统计学、临床检查、治疗结果、药物计划及患者自我感知等多个方面。PEACE数据集不仅记录了长期和多次的随访信息，还特别关注了患者对药物效果的自我评估及其对生活的影响，为个性化癌症疼痛管理研究提供了宝贵的资源。

当前挑战

PEACE数据集在构建过程中面临多项挑战。首先，收集和整合来自不同来源的详细患者信息，包括医院记录和在线随访平台的数据，需要克服数据格式和标准不一致的问题。其次，确保数据的匿名化和隐私保护，特别是在处理敏感的医疗信息时，要求严格遵守相关法律法规。此外，数据集中包含的时间序列数据处理复杂，需要开发专门的时间序列分析模型。最后，尽管数据集提供了丰富的信息，但如何有效地利用这些信息进行个性化药物推荐和治疗效果评估，仍需进一步的研究和算法优化。这些挑战不仅涉及技术层面，还涉及伦理和法律层面，对研究者提出了更高的要求。

常用场景

经典使用场景

在癌症疼痛管理领域，PEACE数据集的经典应用场景主要集中在个性化药物推荐和治疗效果评估。通过整合患者的详细病历信息、治疗方案及其自我感知，该数据集能够支持机器学习算法进行精准的药物推荐和治疗效果预测。例如，研究人员可以利用PEACE数据集训练模型，以预测特定药物组合对患者疼痛缓解的效果，从而优化治疗方案，提升患者的治疗体验和生活质量。

实际应用

在实际应用中，PEACE数据集为医疗机构提供了强大的工具，以优化癌症疼痛管理策略。通过分析数据集中的患者信息和治疗效果，临床医生可以制定更为精准的药物治疗方案，减少不必要的药物试验和副作用。此外，该数据集还支持开发智能决策支持系统，帮助医生在复杂的临床环境中做出更为科学的决策。这些应用不仅提升了患者的治疗效果，还显著减轻了医疗系统的负担。

衍生相关工作

PEACE数据集的发布催生了多项相关研究工作，推动了癌症疼痛管理领域的技术进步。例如，基于该数据集，研究者开发了多种机器学习模型，用于预测药物疗效和患者反应，这些模型在临床试验中表现出色。此外，PEACE数据集还激发了关于患者自我感知在治疗决策中作用的深入探讨，促进了多学科团队在癌症疼痛管理中的协作模式。这些衍生工作不仅丰富了学术研究，也为实际临床应用提供了新的思路和方法。