巴西乳腺癌极端大分割放疗：回顾性队列研究
该数据集来自 clinicaltrials.gov，为巴西多中心回顾性队列研究，聚焦乳腺癌患者接受极端大分割放疗后的副作用
基本信息
资源简介
巴西乳腺癌极端大分割放疗：回顾性队列研究
该数据集对应一项在巴西开展的多中心回顾性队列研究，主题为乳腺癌患者接受极端大分割放疗后的副作用。研究关注被诊断为乳腺癌且符合入选标准的患者，计划在巴西各地参与中心收集最多500名患者的数据，数据来源为患者病历，涵盖临床、人口学和社会经济变量，以及所接受治疗和结局的信息。患者将继续按照各中心的标准诊疗和常规临床实践接受治疗与临床评估，研究不设任何干预措施。该数据集在站内归类于肿瘤/乳腺癌方向，主题标签为放疗副作用，可为乳腺癌放疗安全性相关研究提供回顾性真实世界数据参考。
【数据集背景】
该数据集来自 clinicaltrials.gov，对应研究聚焦乳腺癌患者接受极端大分割放疗后的副作用问题。研究设计为回顾性队列研究，在巴西多个参与中心开展。研究对象为在参与中心被诊断为乳腺癌并符合入选标准的患者。研究不提出任何干预措施，患者仍由其医疗团队按照各中心的标准诊疗和常规临床实践继续接受治疗和临床评估。数据收集将从各中心激活日期开始，计划在巴西各地参与中心收集最多500名患者的数据。
【数据内容】
数据集覆盖的患者数据包括临床、人口学和社会经济变量，以及患者所接受治疗和结局的相关数据。主题标签为放疗副作用，研究条件亦指向放疗副作用。数据来源为患者病历。源站未提供具体的变量字段清单、随访时间窗口、结局定义细则以及副作用判定标准等更细粒度信息。
【采集与来源】
数据采集方式为回顾性病历摘录，患者数据来源为患者病历。研究对象在参与中心被识别和纳入，数据收集起点为各中心的激活日期。计划纳入规模为巴西各地参与中心合计最多500名患者。源站未提供各参与中心的具体名称、地理分布、样本在各中心间的分配比例，以及数据提取表单或质量控制流程等细节。
【适用场景】
基于其研究主题与设计，该数据集可用于乳腺癌极端大分割放疗副作用相关的回顾性观察分析，例如描述接受该类放疗患者的副作用发生情况、结合临床与人口学及社会经济变量开展分组比较，或为后续前瞻性研究提供假设参考。由于研究不设干预、数据来自常规诊疗病历，其适用场景应限定在回顾性真实世界证据范畴。源站未提供该数据集的具体分析用途说明。
【使用方法】
源站未提供数据访问方式、数据格式、变量编码说明或配套分析文档。研究为回顾性队列设计且不设干预，患者继续按常规临床实践接受治疗与评估，使用时应以病历摘录所得的观察性数据为基础。源站未提供具体使用指南。
【质量与限制】
该研究为回顾性队列研究，数据来源于病历记录，源站未提供样本量最终完成情况、缺失数据处理方式、偏倚控制措施或数据核验结果。计划收集最多500名患者的数据，实际纳入规模源站未提供。研究不设干预，患者治疗与评估由各中心医疗团队按标准诊疗决定，源站未提供跨中心诊疗差异的说明。源站未提供数据更新频率与版本信息。
【引用与许可】
源站未提供引用格式、数据许可条款或使用限制说明。该数据集来源于 clinicaltrials.gov，相关研究信息应以源站记录为准。
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/NCT05776147
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：放疗副作用。参与中心所有符合入选标准的确诊乳腺癌患者都将被纳入。数据将从选定中心的病历中收集。数据收集将从中心启动日期开始。预计将在巴西各地的中心收集最多500名患者的数据。参与本研究的患者将在参与中心被识别。将收集临床、人口学和社会经济学变量的数据，以及所实施治疗和结局的数据。患者数据来源为患者病历。患者将继续按照各中心的标准诊疗和常规临床实践，由其医疗团队决定接受疾病治疗和临床评估。本研究不提出任何干预措施。
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。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
