膳食炎症潜能对乳腺癌风险的影响
该数据集来自 clinicaltrials.gov,聚焦膳食炎症潜能与乳腺癌风险的关联研究。覆盖乳腺非典型导管增生、非典型小叶增生、乳腺癌、乳腺小叶原位癌及乳腺硬化性腺病等条件

基本信息
资源简介
膳食炎症潜能对乳腺癌风险的影响
该数据集来自 clinicaltrials.gov,聚焦膳食炎症潜能与乳腺癌风险的关联研究。覆盖乳腺非典型导管增生、非典型小叶增生、乳腺癌、乳腺小叶原位癌及乳腺硬化性腺病等条件。研究以 EDIP 评分衡量膳食炎症潜能,使用 DHQIII 食物频率问卷在基线及后续每年评估,主要目标为分析基线 EDIP 评分与高风险女性乳腺癌发病的关联,次要目标包括纵向追踪膳食炎症潜能变化及其与乳腺癌风险的关系。可用于膳食炎症与乳腺癌风险的预测建模与纵向关联分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:乳腺非典型导管增生、乳腺非典型小叶增生、乳腺癌、乳腺小叶原位癌、乳腺硬化性腺病。主要目标:I. 评估基线时使用饮食史问卷 III(DHQIII)食物频率问卷(FFQ)测量的膳食炎症潜能(通过经验性膳食炎症模式 [EDIP] 评分衡量)与俄亥俄州立大学综合癌症中心(OSUCCC)- James 乳腺癌预防门诊确立的高风险女性乳腺癌发病率的关联。次要目标:I. 评估从基线 FFQ 及随后每年实施的膳食炎症潜能(EDIP 评分)变化,并确定这些膳食变化如何与乳腺癌风险纵向相关。II. 评估膳食炎症潜能(EDIP 评分)与
【主题与分类】
主题标签:Breast Atypical Ductal Hyperplasia、Breast Atypical Lobular Hyperplasia、Breast Carcinoma、Breast Lobular Carcinoma In Situ、Breast Sclerosing Adenosis。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05178498
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/NCT05178498
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:乳腺非典型导管增生、乳腺非典型小叶增生、乳腺癌、乳腺小叶原位癌、乳腺硬化性腺病。主要目标:I. 使用饮食史问卷III(DHQIII)食物频率问卷(FFQ)评估基线时饮食炎症潜力(通过经验性饮食炎症模式[EDIP]评分衡量)与俄亥俄州立大学综合癌症中心(OSUCCC)- James乳腺癌预防诊所确立的高风险女性乳腺癌发病率之间的关联。次要目标:I. 评估从基线FFQ及随后每年进行的FFQ中饮食炎症潜力(EDIP评分)的变化,并确定这些饮食变化如何与乳腺癌风险纵向相关。II. 评估基线时饮食炎症潜力(EDIP评分)与肥胖指标之间的关联,包括骨髓指数(BMI)(肥胖定义为≥30,非肥胖<30)和腹部/内脏肥胖(腰臀比[WHR]>0.85或女性腰围[WC]≥80厘米)。III.
评估基线时饮食炎症潜力(EDIP评分)与通过乳腺影像报告和数据系统(BIRADS)分类的乳腺X线摄影乳腺密度的关联。相关性目标:I. 评估基线和年度炎症血液生物标志物(IL-6、hsCRP、脂联素、瘦素、胰岛素抵抗[胰岛素抵抗稳态模型评估(HOMA-IR)])与以下各项的相关性:a)饮食炎症潜力(EDIP评分),b)内脏肥胖(女性腰臀比>0.85或腰围≥80 cm),以及c)基线和纵向(每年一次,持续5年)通过BIRADS分类的乳腺X线摄影乳腺密度。II. 评估高危患者中基线循环生物标志物(hsCRP、TNF-a、胰岛素抵抗[HOMA-IR])与乳腺癌发病率的纵向关联。探索性目标:I. 描述补充成像的使用情况,按类型包括乳腺磁共振成像(MRI)、自动乳腺超声(ABUS)和对比
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。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




