早期乳腺癌治疗后女性患者发起的随访

该单臂复杂干预可行性研究评估护士主导、ePRO支持的患者发起随访生存照护模式,对象为接受辅助内分泌治疗的I-III期激素受体阳性、HER2阴性乳腺癌女性

University College CorkUniversity College Cork
clinicaltrials
浏览 16
其他Breast CancerBreast Cancer SurvivorshipCancer SurvivorshipEndocrine TherapyEarly Stage Breast Cancer
Patient-Initiated Follow-Up for Women After Early Breast Cancer Treatment (LYSA2PIFU)

基本信息

模态
其他
创建/更新时间
2026-10-01

资源简介

早期乳腺癌治疗后女性患者发起的随访

该单臂复杂干预可行性研究评估护士主导、ePRO支持的患者发起随访生存照护模式,对象为接受辅助内分泌治疗的I-III期激素受体阳性、HER2阴性乳腺癌女性。参与者12个月内持续获得症状监测、教育资源、自动化症状响应及护士咨询。结局包括可行性、症状负担、生活质量、自我照护能力、医疗资源利用及参与者满意度(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、乳腺癌生存者管理、癌症生存者管理、内分泌治疗、早期乳腺癌。单臂复杂干预性可行性研究,评估一种由护士主导、ePRO支持的患者发起随访(Patient-Initiated Follow-Up)生存者管理模式,研究对象为接受辅助内分泌治疗的 I-III期激素受体阳性、HER2阴性乳腺癌女性。参与者在12个月内持续获得症状监测、教育资源、自动化症状应答和护士主导的咨询。结局指标包括可行性、症状负担、生活质量、自我护理能力、医疗服务利用情况和参与者满意度。

【主题与分类】

主题标签:Breast Cancer、Breast Cancer Survivorship、Cancer Survivorship、Endocrine Therapy、Early Stage Breast Cancer。本站分类:肿瘤/乳腺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07840534

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/NCT07840534

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

疾病:乳腺癌、乳腺癌生存者管理、癌症生存者管理、内分泌治疗、早期乳腺癌。单臂复杂干预性可行性研究,评估一种由护士主导、ePRO支持的患者发起随访(Patient-Initiated Follow-Up)生存者管理模式,研究对象为接受辅助内分泌治疗的 I-III期激素受体阳性、HER2阴性乳腺癌女性。参与者在12个月内持续获得症状监测、教育资源、自动化症状应答和护士主导的咨询。结局指标包括可行性、症状负担、生活质量、自我护理能力、医疗服务利用情况和参与者满意度。

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。