遗传性卵巢癌中高危人群预防性切除手术双向队列研究
该数据集来自 clinicaltrials.gov,聚焦遗传性卵巢癌中高危人群的预防性切除手术研究,涉及卵巢癌与乳腺癌。源站描述指出上皮性卵巢癌缺乏有效早期筛查、约20%归因于BRCA1/2等HRR基因胚系致病变异,传统风险降低标准为RRSO,而“二元模型”为PSDO提供生物学依据

基本信息
资源简介
遗传性卵巢癌中高危人群预防性切除手术双向队列研究
该数据集来自 clinicaltrials.gov,聚焦遗传性卵巢癌中高危人群的预防性切除手术研究,涉及卵巢癌与乳腺癌。源站描述指出上皮性卵巢癌缺乏有效早期筛查、约20%归因于BRCA1/2等HRR基因胚系致病变异,传统风险降低标准为RRSO,而“二元模型”为PSDO提供生物学依据。研究旨在建立中国双向队列以评估相关结局,可用于遗传性卵巢癌风险分层与预防性手术决策的预测建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Ovarian Cancer, Breast Cancer. 1. 研究依据与背景 上皮性卵巢癌(OC)在中国仍是重大健康负担,由于缺乏有效的早期筛查方法,死亡率高。约20%的OC病例归因于遗传因素,主要是BRCA1/2及其他同源重组修复(HRR)基因的胚系致病变异。传统的风险降低标准是风险降低性输卵管卵巢切除术(RRSO)。然而,卵巢癌发生的“二元模型”提示,相当比例的高级别浆液性癌(HGSC)起源于输卵管中的浆液性输卵管上皮内癌(STIC)。这为预防性输卵管切除术联合延迟卵巢切除术(PSDO,也称为RS-DO)提供了生物学依据。本研究旨在建立中国双向队列以评估
【主题与分类】
主题标签:Ovarian Cancer、Breast Cancer。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07532434
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/NCT07532434
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
适应症:卵巢癌、乳腺癌。1. 研究依据与背景 上皮性卵巢癌(OC)在中国仍是重大的健康负担,由于缺乏有效的早期筛查方法,其死亡率较高。约20%的OC病例归因于遗传因素,主要是BRCA1/2及其他同源重组修复(HRR)基因的胚系致病变异。传统的风险降低标准为降低风险输卵管卵巢切除术(RRSO)。然而,卵巢癌发生的“二元模型”提示,相当比例的高级别浆液性癌(HGSC)起源于输卵管中的浆液性输卵管上皮内癌(STIC)。这为预防性输卵管切除术联合延迟性卵巢切除术(PSDO,又称RS-DO)提供了生物学依据。本研究旨在建立中国双向队列,以评估个体化预防性手术策略的有效性、安全性及对生活质量(QoL)的影响。2. 研究设计与队列构建 这是一项双向(回顾性与前瞻性相结合)队列研究。
回顾性部分:将从2020年起的临床记录中提取数据,对象为符合高风险遗传标准且既往接受过降低风险手术或进入临床监测的个体。前瞻性部分:将招募符合条件的参与者并随访至少5年。参与者根据所接受的临床干预分为三个队列:RRSO组:同时切除输卵管和卵巢。RS-DO组:先行输卵管切除术,随后进行或不进行延迟性卵巢切除术(通常在45-50岁或根据突变类型决定)。密切监测组:对于拒绝手术者,通过经阴道超声和血清CA-125/HE4检测进行强化监测。3. 质量保证与登记程序为确保最高数据完整性,实施以下程序:集中化病理
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。




