乳腺癌患者SARS-CoV-2感染康复后手术时机与术后结局演变

该数据集来自clinicaltrials.gov,聚焦乳腺癌患者在SARS-CoV-2感染康复后接受手术的时机与术后结局演变

Fujian Medical University Union HospitalFujian Medical University Union Hospital
clinicaltrials
浏览 16
其他预测Breast CancerCOVID-19Postoperative Complications
Timing of Surgery and the Evolution of Postoperative Outcomes in Breast Cancer Patients Undergoing Surgical Intervention Following Recovery From SARS-CoV-2 Infection

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-20

资源简介

乳腺癌患者SARS-CoV-2感染康复后手术时机与术后结局演变

该数据集来自clinicaltrials.gov,聚焦乳腺癌患者在SARS-CoV-2感染康复后接受手术的时机与术后结局演变。研究采用前瞻性队列设计,按手术相对于COVID-19诊断的时间对患者分层,并使用IPTW方法匹配COVID-19阴性对照组,比较死亡、肺炎、血栓、心脏并发症及非计划住院等复合指标,以评估最佳手术时机,同时通过logistic回归分析术后不良结局的纵向演变及相关风险因素。数据可用于术后并发症风险预测与手术时机决策研究(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、COVID-19、术后并发症。本研究采用具有纵向和匹配特征的前瞻性队列设计,聚焦于从SARS-CoV-2感染康复后接受手术的乳腺癌患者。患者按手术相对于COVID-19诊断的时间进行分层。采用逆概率处理加权(IPTW)方法,基于患者、肿瘤和手术因素匹配对照组(COVID-19阴性),以比较复合指标(包括死亡、肺炎、血栓、心脏并发症和非计划住院),从而评估最佳手术时机。我们研究了术后不良结局的纵向演变,并通过logistic回归分析确定了相关风险因素。

【主题与分类】

主题标签:Breast Cancer、COVID-19、Postoperative Complications。本站分类:肿瘤/乳腺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT06319209

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://clinicaltrials.gov/study/NCT06319209

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:乳腺癌、COVID-19、术后并发症。本研究采用具有纵向和匹配特征的前瞻性队列设计,聚焦于从SARS-CoV-2感染中康复后接受手术的乳腺癌患者。患者根据手术时间相对于COVID-19诊断的时间进行分层。采用逆概率治疗加权(IPTW)方法,基于患者、肿瘤和手术因素匹配对照组(COVID-19阴性),以比较复合指标(包括死亡、肺炎、血栓形成、心脏并发症和计划外住院),从而评估最佳手术时机。我们研究了术后不良结局的纵向演变,并通过逻辑回归分析确定了相关危险因素。

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。