单孔内镜与常规保留乳头乳晕乳房切除联合即刻假体再造的安全性与患者报告结局比较
该数据集来自 clinicaltrials.gov,聚焦乳腺癌患者接受单孔内镜保留乳头乳晕乳房切除术(E-NSM)与常规保留乳头乳晕乳房切除术(C-NSM)联合即刻假体再造的对比研究

基本信息
资源简介
单孔内镜与常规保留乳头乳晕乳房切除联合即刻假体再造的安全性与患者报告结局比较
该数据集来自 clinicaltrials.gov,聚焦乳腺癌患者接受单孔内镜保留乳头乳晕乳房切除术(E-NSM)与常规保留乳头乳晕乳房切除术(C-NSM)联合即刻假体再造的对比研究。数据覆盖术后并发症率、无病生存期(DFS)以及基于 BREAST-Q 2.0 问卷的患者报告结局(PROs),可用于比较两种术式的安全性与生活质量差异,支持临床决策与预后分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:乳腺癌、乳房再造。1. 研究目的 主要目的:通过术后并发症率比较内镜保留乳头乳晕乳房切除术(E-NSM)与常规保留乳头乳晕乳房切除术(C-NSM)联合即刻假体再造的手术安全性。次要目的:通过无病生存期(DFS)评估两组间的肿瘤学安全性。使用经验证的 BREAST-Q 2.0 问卷比较两组间的患者报告结局(PROs)。2. 背景与理由 乳腺癌仍是女性癌症相关发病的主要原因。除肿瘤学疗效外,患者满意度和健康相关生活质量(HRQoL)已成为评估乳房再造结局的关键终点。保留乳头乳晕乳房切除术(NSM)因其优越的美观效果而受青睐
【主题与分类】
主题标签:Breast Cancer、Breast Reconstruction。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07410728
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/NCT07410728
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
疾病:乳腺癌、乳房重建。1. 研究目的 主要目的:通过术后并发症发生率,比较内镜保留乳头乳晕乳房切除术(E-NSM)与常规保留乳头乳晕乳房切除术(C-NSM)联合即刻假体植入重建的手术安全性。次要目的:通过无病生存期(DFS)评估,比较两组之间的肿瘤学安全性。采用经验证的BREAST-Q 2.0版问卷,比较两组之间的患者报告结局(PROs)。2. 背景与依据 乳腺癌仍是女性癌症相关发病的主要原因。除肿瘤学疗效外,患者满意度和健康相关生活质量(HRQoL)已成为评估乳房重建结局的关键终点。保留乳头乳晕乳房切除术(NSM)因其优越的美容效果而受到青睐。然而,常规NSM(C-NSM)需要相对较大的切口,这可能损害乳头乳晕复合体(NAC)的血供,增加坏死风险。
内镜NSM(E-NSM)等微创技术具有潜在优势,包括切口更小以及可能更好地保留组织灌注。尽管E-NSM的应用日益增多,但与其已确立的C-NSM相比,关于其安全性特征及对患者报告结局影响的高质量比较证据仍有限。现有研究常受限于样本量小或使用非标准化的PRO测量工具。本回顾性队列研究旨在提供全面的比较分析,以强化这两种手术方式临床决策的证据基础。3. 研究设计 这是一项在空军军医大学第一附属医院(一家三级学术机构)开展的单中心、回顾性、观察性队列研究。4. 参与者选择 研究期间:2021年4月至2024年4月。纳入标准:年龄18-65岁、接受即刻植入的女性患者
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。




