局部复发不可手术或转移性三阴性乳腺癌的诊疗模式与结局
该数据集来自 clinicaltrials.gov，聚焦局部复发不可手术或转移性三阴性乳腺癌患者，记录其癌症特征、真实世界治疗模式、临床结局及关注的临床事件
基本信息
资源简介
局部复发不可手术或转移性三阴性乳腺癌的诊疗模式与结局
该数据集英文名为 Patterns of Care and Outcomes in Locally Recurrent Inoperable or Metastatic Triple-Negative Breast Cancer，来源于 clinicaltrials.gov，属于肿瘤领域中乳腺癌方向的数据资源，主题标签为 Triple Negative Breast Cancer。其聚焦对象是局部复发不可手术或转移性三阴性乳腺癌患者，旨在记录这类患者的癌症特征、真实世界治疗模式、临床结局以及所关注的临床事件。该研究为非干预性研究，不给予研究药物或开展试验性用药，而是通过回顾性查阅医疗记录来收集信息。整体而言，该数据集围绕真实世界诊疗实践与结局，为理解这一特定乳腺癌人群的诊疗模式和临床转归提供数据基础。
【数据集背景】
三阴性乳腺癌是乳腺癌中的一种特定亚型，局部复发不可手术或发生转移的患者在临床诊疗中面临复杂的治疗决策。该数据集所对应的研究关注这一人群在真实临床环境中的诊疗情况，试图通过记录癌症特征、治疗模式、临床结局和临床事件，呈现该类患者的诊疗全貌。研究定位为非干预性研究，不涉及研究药物或试验性用药的给予，其数据基础来自对医疗记录的回顾性审查。
【数据内容】
依据源站描述，该数据集记录的内容包括：患者的癌症特征、真实世界癌症治疗模式、临床结局，以及所关注的临床事件。研究对象为局部复发不可手术或转移性三阴性乳腺癌患者。除上述内容外，源站未提供更细化的数据字段、变量清单或具体指标说明。
【采集与来源】
该数据集来源站为 clinicaltrials.gov。其数据采集方式为回顾性查阅医疗记录，属于非干预性研究设计，研究过程中不给予研究药物，也不开展试验性用药。关于采集时间范围、样本量、参与机构数量等具体信息，源站未提供。
【适用场景】
该数据集可用于了解局部复发不可手术或转移性三阴性乳腺癌患者的真实世界治疗模式与临床结局，适用于围绕该特定人群的诊疗特征梳理、临床事件关注以及真实世界研究背景参考等用途。关于更具体的适用场景说明，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法、访问方式或数据处理说明。
【质量与限制】
该研究为非干预性设计，数据来自回顾性医疗记录审查，不涉及研究药物或试验性用药。关于数据质量评估、样本代表性、缺失情况等具体信息，源站未提供。
【引用与许可】
源站未提供该数据集的引用方式与许可信息。
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。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放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/NCT07092254
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：三阴性乳腺癌。本研究将记录局部复发不可手术或转移性三阴性乳腺癌患者的癌症特征、真实世界癌症治疗模式、临床结局及关注的临床事件。本非干预性研究不会给予任何研究药物或试验性药物；但将进行病历的回顾性审查。
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。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
