PiA：可手术乳腺癌患者每日预后评估——uPA/PAI-1侵袭因子与其他预后因素比较
该数据集来自clinicaltrials.gov，聚焦可手术乳腺癌患者的预后评估，比较侵袭因子uPA/PAI-1（生物学评估）与传统预后因素在风险分层中的表现
基本信息
资源简介
PiA：可手术乳腺癌患者每日预后评估——uPA/PAI-1侵袭因子与其他预后因素比较
PiA 数据集全称为“PiA: Prognosis Used Every Day for Patients With Operable Breast Cancer - Comparison of Invasion Factors uPA/PAI-1 With Other Prognostic Factors”，来源于 clinicaltrials.gov，聚焦可手术乳腺癌患者的预后评估。该数据集的核心议题是比较侵袭因子 uPA/PAI-1 所代表的生物学评估与传统预后因素在风险分层中的表现。源站描述指出，uPA/PAI-1 作为预后因素的测定已获近期指南的确立与推荐，但现有数据仅能显示其独立且强烈的预后影响；真正能从改进的风险评估中获益的患者绝对比例，目前仅能依据患者人群不同的旧试验进行估计。按传统风险评估，低风险患者约占全部淋巴结阴性患者的 20%–40%，而按生物学评估则约占 35%–55%。该数据集所属分类为肿瘤 / 乳腺癌，主题标签为 Breast Cancer。
【数据集背景】
在可手术乳腺癌的临床管理中，预后因素的风险分层直接影响治疗决策。uPA/PAI-1 作为生物学预后因素的测定已由近期指南确立并推荐，相关研究显示其具有独立且强烈的预后影响。然而，源站描述强调，目前的数据只能证明这种独立而强烈的预后作用，尚不能精确回答有多少患者真正从改进的风险评估中获益。历史上针对不同患者人群的旧试验虽提供了比例估计，但其结果在当下难以复现，原因在于诊断程序（筛查、良好的公众宣传）使患者就诊时的肿瘤尺寸变小。这一背景构成了该数据集关注可手术乳腺癌预后评估、并比较侵袭因子 uPA/PAI-1 与其他预后因素的基本出发点。
【数据内容】
该数据集围绕可手术乳腺癌患者的预后评估展开，核心内容是比较侵袭因子 uPA/PAI-1（即生物学评估）与其他预后因素在风险分层中的表现。源站描述给出了两类评估方式下低风险患者比例的估计区间：传统风险评估下，低风险患者约占全部淋巴结阴性患者的 20%–40%；生物学评估下则约占 35%–55%。这些比例来自旧试验的估计，而非当前人群的直接测量。除上述主题与比例信息外，源站未提供该数据集的具体变量字段、样本量、记录条数或随访时长等细节。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述提及，相关比例估计来自患者人群各异的旧试验；由于诊断程序的变化导致就诊时肿瘤尺寸变小，这些历史人群的研究数据在当前已无法复现。关于该数据集的具体采集时间、采集机构、纳入排除标准及数据提取流程，源站未提供。
【适用场景】
基于其主题，该数据集适用于可手术乳腺癌预后评估相关的研究与讨论，尤其是围绕 uPA/PAI-1 生物学评估与传统预后因素在风险分层中比较的场景，也可用于关注淋巴结阴性患者低风险比例估计差异的分析。需要说明的是，源站描述仅呈现了旧试验的比例估计及其可复现性问题，未提供将该数据用于具体临床决策或模型训练的验证信息。
【使用方法】
源站未提供该数据集的具体使用方式、数据结构说明或分析操作指南。
【质量与限制】
源站描述明确指出了该类数据的关键限制：现有数据只能显示 uPA/PAI-1 的独立且强烈的预后影响，能从改进风险评估中获益的患者绝对比例仅由患者人群不同的旧试验估计而来；由于筛查和公众宣传等诊断程序使肿瘤在就诊时尺寸变小，历史人群的研究数据在当前无法复现。因此，基于旧试验的比例估计在当代人群中的适用性存在不确定性。关于该数据集自身的完整性、准确性校验与更新维护情况，源站未提供。
【引用与许可】
源站未提供该数据集的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/NCT01592825
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。预后因素uPA/PAI-1（下称“生物学”因素）的测定已被确立，并受到近期指南的推荐。然而，迄今为止数据仅能显示其独立且强烈的预后影响。真正从改进的风险评估中获益的患者绝对比例，仅能从患者人群不同的旧试验中估算。根据评估方式，传统风险评估下的低风险患者比例为20% - 40%，而生物学评估下为全部淋巴结阴性患者的35% - 55%。由于诊断手段（筛查、良好的公众宣传）导致就诊时肿瘤体积较小，历史人群研究的数据目前已无法重现。在多项回顾性和前瞻性试验以及一项荟萃分析中，生物学预后因素uPA/PAI-1在淋巴结阴性乳腺癌中风险评估的有效性和临床相关性已得到证实。尽管如此，这些生物学因素（或其他因素！）在德国尚未纳入全国性临床常规。
这是由于该方法在初始治疗中费用较高（uPA/PAI-1需在速冻组织中测定），另一方面则由于缺乏报销途径。因此，目前在许多中心，风险评估及相关治疗决策仍采用传统评估方法。为了证明uPA/PAI-1测定所带来的较高支出和额外成本具有合理性，不仅需要明确证明其对个体患者的优势，还需要评估该优势在所有适用患者中的程度。本项目的一个首要目标是在一个明确的连续患者队列中，比较通过生物学及传统预后因素被分配为高风险或低风险的患者各自所占比例。uPA/PAI-1的测定应在未来确立为标准程序。迄今为止，上述讨论的问题仍
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。
