乳腺癌患者新辅助治疗后内镜辅助与传统保乳手术的长期结局:随机、多中心、开放标签、非劣效性试验
本研究为随机、多中心、开放标签、非劣效性试验,针对新辅助治疗后浸润性乳腺癌患者,比较内镜辅助保乳手术(E-BCS)与传统保乳手术(C-BCS)

基本信息
资源简介
乳腺癌患者新辅助治疗后内镜辅助与传统保乳手术的长期结局:随机、多中心、开放标签、非劣效性试验
本研究为随机、多中心、开放标签、非劣效性试验,针对新辅助治疗后浸润性乳腺癌患者,比较内镜辅助保乳手术(E-BCS)与传统保乳手术(C-BCS)。纳入804例合格患者,按中心和分子亚型分层,1:1随机分组。共同主要终点为5年无病生存和术后6个月Breast-Q评分;次要终点包括美容、生存及手术结局。旨在验证内镜辅助手术的长期安全性和美学效果,为推广提供临床证据(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:浸润性乳腺癌。本研究标题为“内镜辅助与传统保乳手术治疗新辅助治疗后乳腺癌患者的长期结局:一项随机、多中心、开放标签、非劣效性试验”,研究对象为新辅助治疗后的乳腺癌患者。经纳入和排除标准筛选后,共有804例符合条件的患者将按中心和分子亚型分层,采用分层区组随机化方法,以1:1比例随机分配至内镜辅助保乳手术(E-BCS)组或传统保乳手术(C-BCS)组。共同主要终点为5年无病生存期(5y-DFS)和术后6个月时的Breast-Q评分。次要终点包括美容结局,如术者对乳房的满意度和患者对瘢痕的满意度;生存结局,如5年总生存期(5y-OS)和5年局部复发率(5y-LRR);以及手术结局,如手术时间、术中出血量、切口长度和术后并发症发生率。本研究旨在通过将内镜辅助手术与传统的开放保乳手术进行比较,确认内镜辅助手术在新辅助治疗后的乳腺癌患者中的长期安全性和美学效果,并为内镜乳腺手术的推广应用提供临床证据。
【主题与分类】
主题标签:Breast Cancer Invasive。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06716073
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/NCT06716073
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:浸润性乳腺癌。本研究标题为“内镜辅助与传统保乳手术治疗新辅助治疗后乳腺癌患者的长期结局:一项随机、多中心、开放标签、非劣效性试验”,研究对象为新辅助治疗后的乳腺癌患者。经纳入和排除标准筛选后,共有804例符合条件的患者将按中心和分子亚型分层,采用分层区组随机化方法,以1:1比例随机分配至内镜辅助保乳手术(E-BCS)组或传统保乳手术(C-BCS)组。共同主要终点为5年无病生存期(5y-DFS)和术后6个月时的Breast-Q评分。次要终点包括美容结局,如术者对乳房的满意度和患者对瘢痕的满意度;生存结局,如5年总生存期(5y-OS)和5年局部复发率(5y-LRR);以及手术结局,如手术时间、术中出血量、切口长度和术后并发症发生率。本研究旨在通过将内镜辅助手术与传统的开放保乳手术进行比较,确认内镜辅助手术在新辅助治疗后的乳腺癌患者中的长期安全性和美学效果,并为内镜乳腺手术的推广应用提供临床证据。
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。




