乳腺癌乳房切除术后持续性疼痛:发生率与危险因素
该数据集来自 clinicaltrials.gov,属于肿瘤/乳腺癌分类,主题为乳腺癌乳房切除术后持续性疼痛的发生率与危险因素

基本信息
资源简介
乳腺癌乳房切除术后持续性疼痛:发生率与危险因素
该数据集来自 clinicaltrials.gov,属于肿瘤/乳腺癌分类,主题为乳腺癌乳房切除术后持续性疼痛的发生率与危险因素。源站描述显示这是一项在摩洛哥拉巴特 Mohamed Ben Abdellah 医院国家肿瘤研究所开展的前瞻性、开放性、数据驱动的单中心观察性研究,对象为接受肿瘤乳腺手术并随访的摩洛哥人群。研究主要目标是确定慢性术后疼痛的发生率,次要目标包括描述其临床特征、神经病理性疼痛及乳房切除术后疼痛综合征的比例,并识别相关危险因素。数据可用于术后慢性疼痛的风险预测与临床特征分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:乳腺肿瘤、术后疼痛、慢性疼痛。工作类型:这是一项观察性、前瞻性、开放性、数据驱动的单中心研究,在拉巴特穆罕默德五世大学附属的 Mohamed Ben Abdellah 医院国家肿瘤研究所(NIO)开展。我们提出的研究目标是确定在 Sheikha Fatma 中心接受手术并随访的摩洛哥人群肿瘤乳腺手术中慢性术后疼痛的发生率和危险因素。研究的主要目标是:- 确定肿瘤乳腺手术中慢性术后疼痛的发生率。次要目标是: 确定慢性术后疼痛的临床特征,特别是神经病理性疼痛和/或乳房切除术后疼痛综合征的比例 识别
【主题与分类】
主题标签:Breast Neoplasms、Pain, Postoperative、Pain, Chronic。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04676438
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/NCT04676438
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
研究条件:乳腺肿瘤、术后疼痛、慢性疼痛。工作类型:这是一项观察性、前瞻性、开放性、数据驱动的单中心研究,在拉巴特穆罕默德五世大学附属的拉巴特国家肿瘤研究所(NIO)——穆罕默德·本·阿卜杜拉医院开展。我们所提出的研究目的是确定摩洛哥人群中肿瘤乳腺手术后慢性术后疼痛的发病率和危险因素,这些患者是在拉巴特国家肿瘤研究所Sheikha Fatma中心接受手术并随访的。
本研究的主要目标是:- 确定肿瘤性乳腺手术中慢性术后疼痛的发生率。次要目标包括:* 确定慢性术后疼痛的临床特征,特别是神经病理性疼痛和/或乳房切除术后疼痛综合征的比例。* 识别摩洛哥人群中发生慢性术后疼痛的术前、术中和术后风险因素。* 确定急性重度术后疼痛的发生率。* 确定急性术后疼痛的特征。* 识别急性重度术后疼痛的风险因素。工作流程:* 患者的医疗护理将由负责的执业医师根据常规实践自由决定。* 护理人员将被告知本研究。* 将在接受方案培训后指定一名研究者。
他将独立进行,不负责护理活动 * 符合研究条件的患者将在术前咨询期间被识别,该咨询在手术前一周进行 * 在这些咨询期间将获得记录的同意 * 患者一旦进入手术室并接受手术即被纳入 * 收集的数据在附录中的观察手册中呈现,附有事件定义和录入规则 * 患者将在3个月和6个月时在手术咨询中进行随访和复查,以进行重新评估并完成
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。




