乳腺癌术后腋网综合征:发病率、危险因素与功能结局
该数据集来自 clinicaltrials.gov,聚焦乳腺癌术后腋网综合征(AWS),涵盖其发病率、危险因素及功能结局

基本信息
资源简介
乳腺癌术后腋网综合征:发病率、危险因素与功能结局
该数据集来自 clinicaltrials.gov,聚焦乳腺癌术后腋网综合征(AWS),涵盖其发病率、危险因素及功能结局。源站描述指出 AWS 是腋窝淋巴结清扫或前哨淋巴结活检后的术后并发症,可致肩关节活动受限、疼痛、功能丧失及生活质量下降,文献报道发病率约 28% 至 40%,但多数研究为回顾性设计,前瞻性结构化体格检查数据有限,且 AWS 危险因素及其与乳腺癌相关淋巴水肿的关系尚不明确。数据可用于分析 AWS 的发生风险与功能影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:腋网综合征、乳腺癌、乳腺癌淋巴水肿、术后并发症。背景与理由:腋网综合征是一种术后并发症,特征为可触及、常伴疼痛的纤维条索,从腋窝沿上肢延伸,发生于乳腺癌腋窝淋巴结清扫(ALND)或前哨淋巴结活检(SLNB)之后。它可能导致肩关节活动范围受限、疼痛、功能丧失和生活质量下降。文献报道的发病率约为 28% 至 40%。然而,已发表的大多数研究为回顾性设计,通过定期、结构化体格检查获得的前瞻性数据有限。AWS 的危险因素及其与乳腺癌相关淋巴水肿(BCRL)的关系仍未充分明确。一项前瞻性队列研究使用
【主题与分类】
主题标签:Axillary Web Syndrome、Breast Cancer、Breast Cancer Lymphedema、Postoperative Complications。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07780240
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。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放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/NCT07780240
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:腋网综合征、乳腺癌、乳腺癌淋巴水肿、术后并发症。背景与依据 腋网综合征是一种术后并发症,其特征为可触及、常伴疼痛的纤维条索,从腋窝沿上肢延伸,发生于乳腺癌腋窝淋巴结清扫术(ALND)或前哨淋巴结活检(SLNB)之后。它可能导致肩关节活动范围受限、疼痛、功能丧失及生活质量下降。文献报道的发生率约为28%至40%。然而,已发表的研究大多为回顾性设计,通过定期、结构化体格检查获得的前瞻性数据有限。AWS的危险因素及其与乳腺癌相关淋巴水肿(BCRL)的关系仍未被充分界定。因此,采用系统性术后随访和标准化测量的前瞻性队列研究有望更可靠地描述AWS的真实发生率、发生时间、临床病程及危险因素。
设计与设置 这是一项在两家综合外科开展的前瞻性、观察性、多中心队列研究。研究人群为在任一参与中心连续接受乳腺癌手术并腋窝分期(SLNB或ALND)的患者。不设单独对照组;在同一队列内,将发生AWS的患者与未发生AWS的患者进行比较。为确保各中心数据的一致性,所有评估均采用预先定义的标准化数据收集表和相同的测量方法进行。评估 术前评估:记录人口学数据、体重指数、TNM分期及合并症情况。使用量角器测量肩关节活动度,并使用视觉模拟量表(VAS)评估疼痛强度。手术数据:记录所实施的手术类型、切除淋巴结数量、手术时间及术后早期并发症。术后随访:在固定时间点对患者进行评估。
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。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




