乳腺癌术后乳房切除疼痛综合征的发生率及影响因素与结局
该数据集来自 clinicaltrials.gov,聚焦乳腺癌术后乳房切除疼痛综合征(PMPS)。源站描述指出 PMPS 在乳腺癌术后发生率为 25-60%,但缺乏公认标准定义导致估计范围宽泛,且标准化有效治疗仍匮乏,对确切发生率与危险因素认识不完整

基本信息
资源简介
乳腺癌术后乳房切除疼痛综合征的发生率及影响因素与结局
该数据集来自 clinicaltrials.gov,聚焦乳腺癌术后乳房切除疼痛综合征(PMPS)。源站描述指出 PMPS 在乳腺癌术后发生率为 25-60%,但缺乏公认标准定义导致估计范围宽泛,且标准化有效治疗仍匮乏,对确切发生率与危险因素认识不完整。本地发生率未知且常被低报,本地危险因素可能与西方不同。数据可用于研究 PMPS 的发生率、危险因素及结局,支持风险预测与临床管理探索(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:乳腺癌、乳房切除术后疼痛综合征。据报道,乳腺癌手术后患者中乳房切除术后疼痛综合征(PMPS)的发生率为25-60%,乳腺癌是全球女性中最常见的癌症。PMPS缺乏公认的标准定义,导致其发生率估计范围宽泛。尽管对该病症已有大量研究兴趣,但目前仍缺乏标准化且有效的治疗,我们对这一病症、其确切发生率和危险因素的理解仍不完整。尽管乳腺癌手术常见且在几乎所有Singhealth机构中开展,但本地乳腺癌术后PMPS的发生率目前未知且常被低报。由于c,本地背景下PMPS的危险因素可能与西方推测的不同。
【主题与分类】
主题标签:Breast Cancer、Post-mastectomy Pain Syndrome。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04989179
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/NCT04989179
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
疾病:乳腺癌、乳房切除术后疼痛综合征。据报道,乳腺癌术后患者中乳房切除术后疼痛综合征(PMPS)的发生率为25-60%,乳腺癌是全球女性中最常见的癌症。PMPS缺乏公认的标准定义,导致其发生率估计值差异较大。尽管对该病症已有大量研究兴趣,但目前仍缺乏标准化且有效的治疗方法,我们对该病症、其确切发病率及危险因素的认识仍不完整。尽管乳腺癌手术较为常见且在几乎所有Singhealth机构中均有开展,但本地乳腺癌术后PMPS的发病率目前尚不清楚,且常被低估报告。由于文化、种族和社会差异,本地背景下PMPS的危险因素可能与西方所推测的不同。乳腺癌生存率较高,CONCORD-2研究的数据显示,发达国家的5年生存率≥85%。
尽管癌症幸存者的生存率较高,但已有研究表明,PMPS对康复质量(QoR)、患者满意度均产生负面影响,且严重程度足以导致生活质量(QoL)下降,包括睡眠不佳、长期残疾、情绪障碍以及日常生活活动(ADL)受到干扰。尽管PMPS已被广泛认识,但往往未得到治疗或治疗不足。对于PMPS管理不当,一些可能的原因包括:缺乏关于最佳治疗的高质量信息,以及对慢性疼痛发生机制、危险因素和预后的理解不完整。在理解导致PMPS的危险因素方面存在知识缺口,缺乏经过验证的PMPS发生风险预测模型,从而限制了在高危患者中实施预防性镇痛。因此,有必要开展一项本地多中心前瞻性研究,以考察本地i
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。




