乳腺癌药物治疗早期血液学动态与患者报告症状负担关联的前瞻性队列研究

本数据集来自一项在印度尼西亚两家二级转诊中心开展的前瞻性队列研究,纳入106例接受全身药物治疗的乳腺癌女性患者,采集基线及治疗早期血液学参数与炎症指标(NLR、PLR、MLR、PIV),并使用EORTC QLQ-C30评估患者报告结局

Taylor & FrancisTaylor & Francis
datacite
2026-06-22 更新
浏览 11
文本预测Breast neoplasmsantineoplastic agentshematologic toxicityneutropeniapatient-reported outcomesanemia
Early hematologic dynamics and their association with patient-reported symptom burden in breast cancer pharmacotherapy: a prospective cohort study

基本信息

模态
文本
大小
0.000055267 GB
任务类型
预测
许可
CC BY 4.0
创建/更新时间
2026-06-22
版本
v1

资源简介

乳腺癌药物治疗早期血液学动态与患者报告症状负担关联的前瞻性队列研究

Early hematologic dynamics and their association with patient-reported symptom burden in breast cancer pharmacotherapy: a prospective cohort study

本数据集来自一项在印度尼西亚两家二级转诊中心开展的前瞻性队列研究,纳入106例接受全身药物治疗的乳腺癌女性患者,采集基线及治疗早期血液学参数与炎症指标(NLR、PLR、MLR、PIV),并使用EORTC QLQ-C30评估患者报告结局。数据可用于分析早期血液学动态与症状负担的关联,支持血液学毒性及治疗耐受性的预测建模研究(来源 figshare,CC BY 4.0 许可)。

【数据集背景】

配套论文《Early hematologic dynamics and their association with patient-reported symptom burden in breast cancer pharmacotherapy: a prospective cohort study》发表于 Future Oncology(2026),DOI:10.1080/14796694.2026.2656388。项目资助方:This paper was not funded.。源站首次发布:2026-04-10。

【数据内容】

源站描述(机器翻译,仅供参考):乳腺癌全身药物治疗常引起血液学毒性和炎症变化,可能影响症状负担和治疗耐受性。本研究评估了基线血液学特征、治疗相关早期变化及其与第一个治疗周期内患者报告结局的关联。在这项前瞻性队列研究中,纳入了印度尼西亚两家二级转诊中心接受全身药物治疗的106名女性。测量了血液学参数和炎症指标——包括中性粒细胞-淋巴细胞比值(NLR)、血小板-淋巴细胞比值(PLR)、单核细胞-淋巴细胞比值(MLR)和泛免疫炎症值(PIV)。患者报告结局使用EORTC QLQ-C30进行评估。平均年龄为51.9 ± 9.7岁,大多数患者表现为局部晚期疾病和浸润性导管癌。早期药物治疗

【数据结构与技术规格】

文件数 2 个,合计 55.27 KB。数据集 DOI:10.6084/m9.figshare.31979891.v1。

【主题与分类】

源站学科分类:Cell Biology、Physiology、Pharmacology、Biotechnology、Chemical Sciences not elsewhere classified、Immunology。主题标签:Breast neoplasms、antineoplastic agents、hematologic toxicity、neutropenia、patient-reported outcomes、anemia。本站分类:肿瘤/乳腺癌。

【适用方向】

源站学科分类标注为 Cell Biology、Physiology、Pharmacology、Biotechnology、Chemical Sciences not elsewhere classified、Immunology。

【获取与许可】

源站页面:https://tandf.figshare.com/articles/dataset/Early_hematologic_dynamics_and_their_association_with_patient-reported_symptom_burden_in_breast_cancer_pharmacotherapy_a_prospective_cohort_study/31979891

使用许可:CC BY 4.0(https://creativecommons.org/licenses/by/4.0/)。

规范引用:Early hematologic dynamics and their association with patient-reported symptom burden in breast cancer pharmacotherapy: a prospective cohort study. Taylor & Francis. Sutanto, Henry; Savitri, Merlyna; Hendarsih, Een; Ashariati, Ami

【使用注意】

· 源站最后修改于 2026-06-22,引用时请注意版本时效。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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://doi.org/10.6084/m9.figshare.31979891.v1

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据集大小约 55.3 KB。

数据说明

乳腺癌的系统性药物治疗常引起血液学毒性和炎症变化,可能影响症状负担和治疗耐受性。本研究评估了基线血液学特征、治疗早期相关变化及其与患者报告结局在治疗第一周期中的关联。在这项前瞻性队列研究中,纳入了印度尼西亚两家二级转诊中心接受系统性药物治疗的106名女性。测量了血液学参数和炎症指标——包括中性粒细胞-淋巴细胞比值(NLR)、血小板-淋巴细胞比值(PLR)、单核细胞-淋巴细胞比值(MLR)和泛免疫炎症值(PIV)。患者报告结局采用EORTC QLQ-C30进行评估。平均年龄为51.9 ± 9.7岁,大多数患者表现为局部晚期疾病和浸润性导管癌。早期药物治疗引起明显的血液学抑制,白细胞和中性粒细胞最低点出现在第1周,至第3周部分恢复(p < 0.001)。PLR、MLR和PIV随时间发生显著变化(p < 0.001)。

贫血发生率从51.9%上升至74.0%,而中性粒细胞减少症在第1周升至41.7%,随后在第3周降至1.1%。选定的血液学生物标志物与患者报告的症状负担相关,仅基线MLR在生存亚组间存在差异(p = 0.043)。早期乳腺癌药物治疗诱导与患者报告症状相关的动态血液学和炎症变化,支持整合监测以改善毒性管理。乳腺癌治疗如化疗和靶向药物可通过多种方式影响身体,包括帮助抵抗感染的血细胞变化。在本研究中,我们考察了乳腺癌治疗最初几周内血细胞水平如何变化,以及这些变化是否与患者报告的症状相关。我们随访了在印度尼西亚两家医院接受乳腺癌治疗的106名女性。

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。

获取专属数据定制方案