(新)辅助治疗对年轻乳腺癌患者血脂的影响

该数据集来自 clinicaltrials.gov,聚焦年轻乳腺癌患者(年龄≤40)接受(新)辅助内分泌治疗后血脂变化的问题

Cancer Institute and Hospital, Chinese Academy of Medical SciencesCancer Institute and Hospital, Chinese Academy of Medical Sciences
clinicaltrials
浏览 9
其他Breast NeoplasmsLipid Profile
Effect of (neo)Adjuvant Therapy on Lipids in Young Breast Cancer Patients

基本信息

模态
其他
创建/更新时间
2026-10-20

资源简介

(新)辅助治疗对年轻乳腺癌患者血脂的影响

该数据集来自 clinicaltrials.gov,聚焦年轻乳腺癌患者(年龄≤40)接受(新)辅助内分泌治疗后血脂变化的问题。源站描述指出,既往研究已发现不同内分泌药物对乳腺癌患者血脂影响存在差异,血脂异常是心血管疾病的重要危险因素,且绝经后乳腺癌患者首要死因是心血管疾病,但年轻患者内分泌治疗对血脂的影响尚不明确。研究组前期回顾性分析发现血脂异常在年轻乳腺癌患者中也是常见治疗不良反应,故拟开展本研究。数据可用于探讨年轻乳腺癌患者治疗相关血脂异常及心血管风险(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:乳腺肿瘤、血脂谱。既往研究表明,不同内分泌药物对乳腺癌患者血脂的影响存在差异,而血脂异常是心血管疾病的主要危险因素,此前已有报道称绝经后乳腺癌患者的主要死因是心血管疾病,但内分泌药物治疗对年轻乳腺癌患者(年龄≤40)血脂的影响尚不清楚。此前,本课题组对接受内分泌治疗的年轻患者进行了初步回顾性分析,发现血脂异常也是年轻乳腺癌患者治疗中常见的不良反应;因此,抗肿瘤治疗诱导的血脂异常不仅发生于绝经后患者,在绝经前乃至更年轻的患者中也很普遍。因此,本研究拟

【主题与分类】

主题标签:Breast Neoplasms、Lipid Profile。本站分类:肿瘤/乳腺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT06405269

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://clinicaltrials.gov/study/NCT06405269

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。

数据说明

条件:乳腺肿瘤,血脂谱。既往研究表明,不同内分泌药物对乳腺癌患者血脂的影响存在差异,而血脂异常是心血管疾病的主要危险因素,此前已有报道指出绝经后乳腺癌患者的首要死因是心血管疾病,但内分泌药物治疗对年轻乳腺癌患者(年龄≤40岁)血脂的影响尚不明确。此前,本课题组对接受内分泌治疗的年轻患者进行了初步回顾性分析,发现血脂异常同样是年轻乳腺癌患者治疗中常见的不良反应;因此,抗肿瘤治疗所致的血脂异常不仅发生于绝经后患者,在绝经前乃至更年轻的患者中亦普遍存在。因此,本研究拟评估不同治疗方案对早期年轻乳腺癌患者血脂的影响,并探讨降脂药物干预的最佳时机,为临床实践提供依据。

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。