希腊转移性乳腺癌患者接受nab-paclitaxel治疗对临床结局与HRQoL影响的前瞻性真实世界证据研究
该数据集来自clinicaltrials.gov，聚焦希腊转移性乳腺癌患者，属于肿瘤/乳腺癌分类。研究为前瞻性、非干预性设计，旨在评估nab-paclitaxel对临床结局及健康相关生活质量（HRQoL）的影响
基本信息
资源简介
希腊转移性乳腺癌患者接受nab-paclitaxel治疗对临床结局与HRQoL影响的前瞻性真实世界证据研究
该数据集来自 clinicaltrials.gov，英文名称为 Real-world Evidence Prospective Study on the Effect of Nab-paclitaxel Treatment on the Clinical Outcomes and HRQoL in Patients With MBC in Greece，聚焦希腊的转移性乳腺癌患者，属于肿瘤 / 乳腺癌分类。研究采用前瞻性、非干预性设计，旨在评估 nab-paclitaxel 对临床结局及健康相关生活质量（HRQoL）的影响。其关注对象是疾病负担较重、治疗难度较大的转移性乳腺癌人群，所生成的数据被定位为严格受控的注册前临床试验证据的补充，用于反映真实世界条件下的治疗表现与患者体验。
【数据集背景】
转移性乳腺癌生物学复杂且异质性强，严格受控的注册前临床试验虽能提供关键证据，但其条件与日常诊疗环境存在差异。该研究以非干预性、前瞻性方式在希腊开展，针对这一负担沉重、治疗困难的人群，考察 nab-paclitaxel 治疗对临床结局和健康相关生活质量的影响，意在生成真实世界证据，作为受控试验证据的补充。
【数据内容】
源站描述显示，研究关注的核心变量包括 nab-paclitaxel 治疗下的临床结局以及健康相关生活质量（HRQoL）。数据集的主题标签为 Metastatic Breast Cancer。关于具体变量清单、随访时间点、样本量、测量工具和结局指标定义等细节，源站未提供。
【采集与来源】
数据来源站为 clinicaltrials.gov。研究设计为前瞻性、非干预性研究，实施地点为希腊，目标人群为转移性乳腺癌患者。关于具体的招募方式、研究中心数量、采集时间窗和数据管理流程，源站未提供。
【适用场景】
该数据集适用于关注转移性乳腺癌真实世界治疗证据的场景，尤其是评估 nab-paclitaxel 与临床结局及健康相关生活质量之间关系的分析。其证据定位可作为严格受控注册前临床试验的补充，适合用于理解复杂、异质性患者人群在日常诊疗条件下的治疗表现与生活质量影响。关于具体可支持的分析类型或统计用途，源站未提供。
【使用方法】
源站未提供具体的数据访问方式、文件格式、字段说明或分析操作指南。
【质量与限制】
该研究为非干预性设计，其证据定位是受控试验的补充性真实世界证据。关于样本代表性、数据完整性、缺失处理、偏倚控制及统计效力等质量相关信息，源站未提供。
【引用与许可】
源站未提供引用格式、许可条款或使用限制信息。
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/NCT02626013
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：转移性乳腺癌。这项非干预性研究旨在评估白蛋白结合型紫杉醇对这一负担沉重且难以治疗人群的临床结局及健康相关生活质量（HRQoL）的影响。值得注意的是，本研究产生的数据将作为严格受控的注册前临床试验环境的补充证据，这在生物学复杂且异质性疾病（如乳腺癌）的患者人群中尤为重要。
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。
