Elevate! 老年乳腺癌队列研究
是一项聚焦老年乳腺癌参与者的队列研究，关注这一群体常患低风险癌症却可能比同类型癌症的年轻参与者预后更差的现象。研究旨在了解如何改善老年乳腺癌参与者的乳腺癌及健康结局，并深入理解她们的经历、障碍以及身体功能变化
基本信息
资源简介
Elevate! 老年乳腺癌队列研究
Elevate! : An Elderly Breast Cancer Cohort Study 是一项聚焦老年乳腺癌参与者的队列研究，收录于肿瘤 / 乳腺癌分类之下，来源为 clinicaltrials.gov。该研究的核心关注点在于：老年乳腺癌参与者所患的往往属于低风险癌症，但她们的预后却可能比患同类型癌症的年轻参与者更差。研究希望了解如何改善这一人群的乳腺癌及健康结局，并深入理解她们的经历、所面临的障碍以及身体功能方面的变化。整体而言，该数据集围绕老年乳腺癌这一特定人群，以队列研究的形式承载与疾病结局、患者体验和功能状态相关的信息，为认识老年乳腺癌患者的特殊需求提供了专门的数据基础。
【数据集背景】
老年乳腺癌参与者构成一个具有特殊性的群体。根据源站描述，这一群体所患的癌症常常属于低风险类型，但她们的健康结局却可能不如患相同类型癌症的年轻参与者。这一现象构成了本研究的基本出发点。研究的目标是理解如何改善老年乳腺癌参与者的乳腺癌及健康结局，并更好地认识她们的经历、障碍以及身体功能的变化。数据集以队列研究的形式组织，定位于肿瘤 / 乳腺癌领域，主题标签为 Breast Cancer，英文名称为 Elevate! : An Elderly Breast Cancer Cohort Study。
【数据内容】
该数据集的主题标签为 Breast Cancer，所属分类为肿瘤 / 乳腺癌。从研究关注点来看，其内容围绕老年乳腺癌参与者的乳腺癌及健康结局、患者经历、所遇到的障碍以及身体功能变化等方面展开。源站未提供具体的变量清单、字段结构、样本规模或随访时长等细节信息。
【采集与来源】
该数据集的来源站为 clinicaltrials.gov。源站描述中列出的研究条件为 Breast Cancer，并说明研究聚焦于老年乳腺癌参与者这一群体。源站未提供具体的采集方式、采集时间范围、采集机构或地理覆盖范围等信息。
【适用场景】
基于其研究定位，该数据集适用于关注老年乳腺癌人群健康结局的研究场景，例如探讨为何低风险癌症在老年参与者中可能出现相对更差的结局、了解老年参与者在患病过程中的经历与障碍、以及观察其身体功能的变化。它也适合用于围绕老年乳腺癌患者健康结局改善这一主题的分析与参考。源站未提供更具体的适用场景说明。
【使用方法】
源站未提供该数据集的具体使用方法，包括访问方式、数据格式、提取流程或分析指引等。
【质量与限制】
源站未提供关于数据质量、完整性、准确性或已知偏差的说明。需要留意的是，该数据集聚焦于老年乳腺癌参与者这一特定人群，其覆盖范围与研究目的紧密相关；除此之外，源站未提供其他限制条件的信息。
【引用与许可】
源站未提供引用格式、许可条款或使用授权方面的信息。
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/NCT03818087
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。本研究侧重于了解研究者如何改善老年乳腺癌参与者的乳腺癌及健康结局，这一参与者群体所患癌症往往风险较低，但结局可能比患同类癌症的年轻参与者更差。研究人员希望更好地了解老年乳腺癌参与者的经历、障碍以及身体功能的变化。
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。
