中国≤40岁早期乳腺癌患者的最佳手术方式：队列研究
该数据集来自clinicaltrials.gov，聚焦中国40岁及以下早期乳腺癌患者，比较保乳手术加放疗（BCS+RT）与乳房切除术（MAST）的生存结局
基本信息
资源简介
中国≤40岁早期乳腺癌患者的最佳手术方式：队列研究
该数据集聚焦中国40岁及以下早期乳腺癌患者，比较保乳手术加放疗（BCS+RT）与乳房切除术（MAST）两种手术方式下的生存结局，属于肿瘤/乳腺癌领域。数据来源于clinicaltrials.gov，研究纳入四川大学华西医院收治的患者，旨在为这一年轻患者群体的治疗选择提供有价值的证据。研究采用Kaplan-Meier分析并结合log-rank检验，比较两组的局部区域无复发生存（LRFS）、无远处转移生存（DMFS）、乳腺癌特异性生存（BCSS）和总生存（OS），并通过Cox多因素风险回归评估两组间生存结局的风险比（HR）。该数据集为年轻早期乳腺癌患者手术策略的有效性评估提供了专门的队列研究资料。
【数据集背景】
早期乳腺癌的手术治疗长期存在保乳手术加放疗与乳房切除术两条路径的选择问题，而对于年龄较轻的患者群体，相关研究相对有限。该研究针对中国40岁及以下早期乳腺癌患者这一特定人群，比较BCS+RT与MAST的生存结局，力图补充现有研究在年轻女性早期乳腺癌方面的不足，为临床决策提供针对该人群的有效性参考。
【数据内容】
数据集围绕接受BCS+RT或MAST治疗的早期乳腺癌患者展开，核心内容为两组患者的生存结局比较，具体包括局部区域无复发生存（LRFS）、无远处转移生存（DMFS）、乳腺癌特异性生存（BCSS）和总生存（OS）四项结局指标，以及Cox多因素风险回归所评估的两组间风险比（HR）。主题标签为Breast Cancer。其余字段级数据内容源站未提供。
【采集与来源】
数据来源站为clinicaltrials.gov，研究纳入的患者来自四川大学华西医院。源站描述显示该研究为一项队列研究，研究对象为中国40岁及以下早期乳腺癌患者。除上述来源信息外，具体的采集时间范围、采样流程与数据管理细节源站未提供。
【适用场景】
该数据集适用于年轻（40岁及以下）早期乳腺癌患者手术方式选择的生存结局比较研究，可用于了解BCS+RT与MAST在该人群中的LRFS、DMFS、BCSS与OS差异，也可作为评估两类手术策略有效性证据的参考。其他延伸应用场景源站未提供。
【使用方法】
依据源站描述，生存结局的比较采用Kaplan-Meier分析并结合log-rank检验，风险比通过Cox多因素风险回归评估。使用者在引用相关生存分析结果时，应结合上述统计方法理解两组间的差异。数据的具体获取途径、访问条件与操作流程源站未提供。
【质量与限制】
该研究为单中心队列研究，患者均来自四川大学华西医院，样本来源集中于一家机构；研究对象限定为中国40岁及以下早期乳腺癌患者，结论外推至其他年龄层、其他地区或其他人群时需谨慎。源站未提供样本量、随访时长、缺失数据情况等质量相关信息。
【引用与许可】
源站未提供引用格式与许可条款信息。
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/NCT06603805
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。本研究是对现有年轻早期乳腺癌女性研究的一个独特补充，旨在比较BCS+RT与MAST的生存结局，为评估这两种治疗方式在该患者群体中的有效性提供了有价值的见解。本研究纳入了四川大学华西医院的患者。采用Kaplan-Meier分析及log-rank检验比较局部区域无复发生存（LRFS）、无远处转移生存（DMFS）、乳腺癌特异性生存（BCSS）和总生存（OS）。采用Cox多因素风险回归评估两组间生存结局的风险比（HRs）。
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。
