辛伐他汀预防高危女性新发乳腺癌研究
该数据集来自clinicaltrials.gov,聚焦于乳腺癌预防领域。研究对象为已接受手术切除的导管原位癌或I-III期浸润性乳腺癌病史、且具有新发乳腺癌高风险的女性,干预药物为辛伐他汀

基本信息
资源简介
辛伐他汀预防高危女性新发乳腺癌研究
该数据集来自clinicaltrials.gov,聚焦于乳腺癌预防领域。研究对象为已接受手术切除的导管原位癌或I-III期浸润性乳腺癌病史、且具有新发乳腺癌高风险的女性,干预药物为辛伐他汀。数据涵盖基线及治疗后一组生物标志物的变化,包括高敏C反应蛋白、血脂谱、循环雌激素和对侧乳腺密度,并分析这些变化与HMG-CoA还原酶野生型或多态性的关联,同时评估DCIS和浸润性乳腺癌中常见高甲基化基因的甲基化状态。可用于探索辛伐他汀对乳腺癌高危女性生物标志物的影响及潜在预防机制(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:乳腺癌。目的:主要 描述在接受辛伐他汀治疗、有导管原位癌病史或接受过手术切除的I-III期浸润性乳腺癌病史、且新发乳腺癌高风险的女性中,一组生物标志物(高敏C反应蛋白[hsCRP]、血脂谱、循环雌激素和对侧乳腺密度)相对于基线的变化。次要 在接受辛伐他汀治疗的女性中,将这组生物标志物的变化与野生型对比多态性3-羟基-3-甲基戊二酰辅酶A(HMG-CoA)还原酶进行关联。三级 * 评估一组已知在导管原位癌(DCIS)和浸润性乳腺癌中频繁且特异性高甲基化的基因(雌激素受体[ER]-α和ER-β、细胞周期蛋白D2、RAR-β、Twist、RASSF1A和HIN-1)的甲基化状态,并将变化与c
【主题与分类】
主题标签:Breast Cancer。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00334542
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/NCT00334542
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
疾病:乳腺癌。目的:主要 * 描述在接受辛伐他汀治疗、有导管原位癌病史或已接受手术切除的I-III期浸润性乳腺癌高风险的女性中,一组生物标志物(高敏C反应蛋白[hsCRP]、血脂谱、循环雌激素和对侧乳腺密度)相对于基线的变化。次要 * 将接受辛伐他汀治疗的女性中生物标志物组的变化与野生型对比多态性3-羟基-3-甲基戊二酰辅酶A(HMG-CoA)还原酶相关联。三级 * 评估一组已知在导管原位癌(DCIS)和浸润性乳腺癌中频繁且特异性高甲基化的基因(雌激素受体[ER]-α和ER-β、细胞周期蛋白D2、RAR-β、Twist、RASSF1A和HIN-1)的甲基化状态,并将累积甲基化变化与hsCRP、血脂谱、对侧乳腺密度、雌激素浓度和药物遗传学的变化相关联。 * 测量辛伐他汀治疗前后磷酸肌醇3’-激酶(PI3K)/蛋白激酶B(Akt)信号通路(Akt和p-Akt)的变化。
大纲:这是一项多中心研究。患者按绝经状态(绝经前 vs 绝经后)进行分层。在无疾病进展或不可接受的毒性的情况下,患者接受口服辛伐他汀,每日一次,持续24-28周。患者在基线和研究治疗结束时接受采血,用于药物遗传学和生物标志物相关性研究。患者在基线和研究治疗结束时接受乳房X线摄影检查及对侧乳房密度的测量。在基线和研究治疗结束时评估生活质量。预计入组人数:本研究将共计入组50名患者。
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。




