HER2阳性转移性乳腺癌患者观察性研究（SystHERs登记研究）
该数据集来自clinicaltrials.gov，为一项多中心、前瞻性观察性研究，聚焦HER2阳性转移性乳腺癌患者。纳入对象为初诊转移性乳腺癌且未接受过全身治疗者，诊断后6个月内可入组，数据收集最长8年
基本信息
资源简介
HER2阳性转移性乳腺癌患者观察性研究（SystHERs登记研究）
该数据集来自 clinicaltrials.gov，英文名为 An Observational Study in Patients With HER2 Positive Metastatic Breast Cancer (SystHERs Registry)，本站归类为肿瘤 / 乳腺癌，主题标签为 Breast Cancer。它是一项多中心、前瞻性观察性研究，聚焦 HER2 阳性（HER2+）转移性乳腺癌患者，旨在评估这类患者的治疗模式与安全性。纳入对象为初诊转移性乳腺癌且尚未接受过全身治疗的患者，诊断后 6 个月内可入组，数据收集最长持续 8 年。整体来看，该数据集围绕真实临床环境下的治疗实践与安全信息展开，适合用于了解 HER2 阳性转移性乳腺癌人群的诊疗特征。
【数据集背景】
该研究针对 HER2 阳性转移性乳腺癌这一特定人群开展。HER2 阳性乳腺癌是乳腺癌中的一种分子分型，其转移阶段的治疗决策与安全性管理是临床关注的重点。该研究采用多中心、前瞻性观察性设计，不干预临床常规诊疗，而是观察真实实践中的治疗模式与安全性表现，从而反映该人群在实际诊疗环境中的情况。
【数据内容】
源站描述表明，该研究将评估 HER2 阳性转移性乳腺癌患者的治疗模式与安全性。数据收集最长可达 8 年，意味着数据集可能覆盖较长时间跨度的随访观察信息。关于具体变量、字段结构、样本量等细节，源站未提供。
【采集与来源】
数据来源为 clinicaltrials.gov 登记的研究。该研究为多中心、前瞻性观察性研究，纳入初诊转移性乳腺癌且未接受过全身治疗的患者，患者可在诊断后 6 个月内入组。数据收集最长持续 8 年。关于具体采集流程、随访频率与数据管理方式，源站未提供。
【适用场景】
基于研究设计，该数据集适用于了解 HER2 阳性转移性乳腺癌患者在真实临床环境中的治疗模式与安全性相关情况，也可作为该人群诊疗实践观察性研究的参考。关于具体适用分析类型与用途边界，源站未提供。
【使用方法】
源站未提供。
【质量与限制】
该研究为观察性设计，其数据反映的是观察期内真实实践情况，而非干预性试验条件下的结果。数据收集最长 8 年，入组窗口为诊断后 6 个月内。关于样本量、缺失情况、偏倚控制等质量细节，源站未提供。
【引用与许可】
源站未提供。
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/NCT01615068
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。这项多中心、前瞻性观察性研究将评估HER2阳性（HER2+）转移性乳腺癌（MBC）患者的治疗模式及安全性。符合条件的患者须为初次诊断为转移性乳腺癌且既往未接受过全身治疗；患者可在诊断后6个月内入组。数据收集将持续长达8年。
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。
