乳腺手术后持续性疼痛的评估与风险评估

该数据集来自clinicaltrials.gov,聚焦乳腺癌手术后持续性疼痛的评估与风险预测。研究覆盖乳腺癌、慢性疼痛、急性疼痛、抑郁与焦虑,关注影响慢性疼痛的生物心理社会风险因素(如疼痛与心理脆弱性)及与持续性疼痛机制通路相关的遗传因素

KK Women's and Children's HospitalKK Women's and Children's Hospital
clinicaltrials
浏览 11
表格预测Breast CancerChronic PainAcute PainDepression, Anxiety
Evaluation And Risk Assessment For Persistent Postsurgical Pain After Breast Surgery

基本信息

模态
表格
任务类型
预测
创建/更新时间
2026-10-20

资源简介

乳腺手术后持续性疼痛的评估与风险评估

该数据集来自clinicaltrials.gov,聚焦乳腺癌手术后持续性疼痛的评估与风险预测。研究覆盖乳腺癌、慢性疼痛、急性疼痛、抑郁与焦虑,关注影响慢性疼痛的生物心理社会风险因素(如疼痛与心理脆弱性)及与持续性疼痛机制通路相关的遗传因素。数据采集包括视觉模拟评分、机械时间总和评估及系列问卷,术后记录疼痛评分与镇痛使用情况,并在术后4个月和6个月进行电话随访确定结局。可用于构建术后持续性疼痛的风险预测模型(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、慢性疼痛、急性疼痛、抑郁、焦虑。研究将聚焦于:(i)代表影响慢性疼痛的生物心理社会过程的风险因素,如疼痛和心理脆弱性;(ii)与持续性疼痛产生机制通路相关的遗传因素。患者将从在所述地点接受乳腺癌手术的患者中招募。疼痛和焦虑评估将通过视觉模拟评分、机械时间总和评估和一系列问卷进行。手术后,所有患者将给予适当的镇痛,并记录疼痛评分和镇痛使用情况。术后分别在第4个月和第6个月进行电话调查以确定结局。

【主题与分类】

主题标签:Breast Cancer、Chronic Pain、Acute Pain、Depression, Anxiety。本站分类:肿瘤/乳腺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT03408717

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/NCT03408717

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:乳腺癌、慢性疼痛、急性疼痛、抑郁、焦虑。本研究将聚焦于:(i) 代表影响慢性疼痛的生物心理社会过程的风险因素,如疼痛和心理脆弱性;(ii) 与持续性疼痛产生机制通路相关的遗传因素。患者将从在上述地点接受乳腺癌手术的患者中招募。疼痛和焦虑评估将通过视觉模拟评分、机械时间总和评估以及一系列问卷进行。手术后,所有患者将给予适当的镇痛治疗,并记录疼痛评分和镇痛药物使用情况。术后4个月和6个月将分别进行电话调查以确定结局。

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。