HER2阳性转移性乳腺癌患者研究
该数据集来自clinicaltrials.gov，为一项前瞻性观察性队列研究，聚焦HER2阳性转移性乳腺癌患者。数据覆盖该人群的治疗有效性与安全性信息，包括治疗结局及临床显著心脏不良事件
基本信息
资源简介
HER2阳性转移性乳腺癌患者研究
该数据集英文名为“A Study of Patients With HER2-Positive Metastatic Breast Cancer”，来源于clinicaltrials.gov，属于肿瘤领域中乳腺癌方向的数据资源。其对应的研究是一项前瞻性观察性队列研究，研究对象为HER2阳性转移性乳腺癌患者，研究目的在于描述该人群的治疗有效性与安全性，具体涵盖治疗结局以及临床显著的心脏不良事件。数据集以“Breast Cancer”为主题标签，围绕HER2阳性转移性乳腺癌这一特定人群，汇集与治疗结局和心脏安全性相关的观察性信息，可供关注乳腺癌治疗评价与安全性监测的研究者参考使用。
【数据集背景】
该数据集所对应的研究聚焦于HER2阳性转移性乳腺癌患者。HER2阳性乳腺癌是乳腺癌中的一种特定分子亚型，转移性阶段意味着疾病已扩散至乳腺以外的部位，此类患者的治疗决策与安全性管理通常需要更细致的评估。源站描述表明，该研究为一项前瞻性观察性队列研究，其设计目标是描述这一人群的治疗有效性与安全性，即分别对应治疗结局与临床显著的心脏不良事件。数据集以肿瘤/乳腺癌为分类归属，主题标签为Breast Cancer，体现了其在肿瘤学尤其是乳腺癌研究领域的定位。
【数据内容】
依据源站描述，该数据集覆盖的核心内容为HER2阳性转移性乳腺癌患者的治疗有效性与安全性信息。有效性方面对应治疗结局，安全性方面对应临床显著的心脏不良事件。数据集的主题标签为Breast Cancer，分类归属为肿瘤/乳腺癌。除上述治疗结局与临床显著心脏不良事件这两类信息外，源站未提供关于具体变量字段、随访时间点、样本量或统计指标的进一步说明。
【采集与来源】
该数据集来源于clinicaltrials.gov。其对应的研究类型为前瞻性观察性队列研究，研究对象为HER2阳性转移性乳腺癌患者。前瞻性观察性队列设计意味着研究按照既定方向对患者群体进行观察性随访，而非实施干预性试验。除来源站与上述研究设计信息外，源站未提供关于采集机构、采集地区、采集时间跨度或数据更新频率的更多细节。
【适用场景】
基于其内容定位，该数据集可适用于围绕HER2阳性转移性乳腺癌的治疗有效性与安全性开展的研究场景，例如关注该人群治疗结局的描述性分析，或关注临床显著心脏不良事件的观察性安全性评价。其肿瘤/乳腺癌分类与Breast Cancer主题标签也使其可用于乳腺癌相关主题的数据检索与资源归类。需要说明的是，源站未提供该数据集在具体分析用途、模型训练或临床决策支持方面的明确适用说明。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据获取方式、文件格式、字段结构、访问权限或分析流程等信息。使用者需以来源站clinicaltrials.gov的实际说明为准。
【质量与限制】
该数据集对应的是前瞻性观察性队列研究，其设计目标为描述治疗有效性与安全性，而非干预性比较。源站描述仅明确了研究目的与关注的安全性事件类型，未提供样本量、随访时长、数据完整性、缺失情况或偏倚控制等方面的信息，因此无法据此评估数据质量的具体水平。相关质量与限制细节源站未提供。
【引用与许可】
源站未提供该数据集的引用方式与许可条款信息。使用时应以clinicaltrials.gov来源站的相关规定为准。
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/NCT00105456
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。这是一项前瞻性观察性队列研究，旨在描述HER2阳性转移性乳腺癌患者的有效性和安全性（分别为治疗结局和具有临床意义的心脏不良事件）。
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。
