老年乳腺癌患者手术方式差异的前瞻性队列研究
该数据集来自 clinicaltrials.gov,属于肿瘤/乳腺癌领域,聚焦老年乳腺癌患者手术方式差异的前瞻性队列研究

基本信息
资源简介
老年乳腺癌患者手术方式差异的前瞻性队列研究
该数据集来自 clinicaltrials.gov,属于肿瘤/乳腺癌领域,聚焦老年乳腺癌患者手术方式差异的前瞻性队列研究。源站描述指出全球及中国老年乳腺癌发病率持续上升,中国乳腺癌发病第二高峰出现在70岁以后,预计2030年65岁以上患者占比将达27.0%,但老年患者肿瘤生物学行为、治疗选择与耐受性显著不同于年轻患者,缺乏高质量证据。数据覆盖乳腺癌、老年患者、保乳手术、手术与生存结局等主题,可用于比较老年患者不同手术方式的差异并预测生存结局(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:乳腺癌、老年患者、保乳手术、手术、生存结局。乳腺癌的发病率和死亡率在发展中国家和发达国家仍呈上升趋势。全球受乳腺癌(BC)影响的70岁及以上女性人数也在增加。基于最大的人口基数和日益加剧的老龄化,中国老年人群中的乳腺癌也正在迅速增加。根据中国乳腺癌流行病学概况数据,乳腺癌发病率的第二个发病年龄高峰出现在70岁以后,2020年65岁以上患者比例预计将超过五分之一,到2030年将达到27.0%。然而,由于缺乏高质量证据,一些争议仍有待解决。老年患者的肿瘤生物学行为、治疗选择和治疗耐受性与年轻患者显著不同。
【主题与分类】
主题标签:Breast Cancer、Elderly Patient、Wide Local Excision、Surgery、Survival Outcomes。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04426136
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/NCT04426136
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
条件:乳腺癌、老年患者、广泛局部切除术、手术、生存结局。乳腺癌的发病率和死亡率在发展中国家和发达国家仍呈上升趋势。全球范围内,≥70岁受乳腺癌(BC)影响的女性人数也在增加。基于庞大的人口基数和日益加剧的老龄化,中国老年人群中的BC发病率也迅速上升。根据中国BC的流行病学概况数据,BC发病率的第二个发病年龄高峰出现在70岁之后,预计到2020年,65岁以上患者比例将超过五分之一,到2030年将达到27.0%。然而,由于缺乏高质量证据,一些争议仍有待解决。老年患者的肿瘤生物学行为、治疗选择和治疗耐受性与年轻患者存在显著差异。此外,他们很少被纳入大规模随机临床试验或前瞻性队列研究,结果主要来自回顾性研究。
此外,频繁偏离标准指南会导致治疗不足或过度治疗,尽管所谓的标准指南是基于年轻乳腺癌患者的临床病理特征和研究成果制定的。针对全球人群的研究证实,老年患者肿瘤的生物学行为较年轻患者更为有利,但最终并未转化为生存获益。大量前瞻性随机试验已证明,对于早期乳腺癌患者,保乳手术(BCS),包括区段乳房切除术和放射治疗,伴或不伴腋窝淋巴结清扫(ALND),在总生存期(OS)和无病生存期(DFS)方面与乳房切除术相当。2011年ACOZOG-Z011研究结果的公布,导致在1-2个阳性前哨淋巴结的早期乳腺癌患者中,完成腋窝淋巴结清扫的使用呈下降趋势。
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。




