TNBC meta分析补充表S3
该数据集为TNBC meta分析研究的补充材料，包含一项Supplementary File，列出所分析临床试验中使用的中草药（CHM）清单
基本信息
资源简介
TNBC meta分析补充表S3
TNBC meta-analysis Supplementary File
该数据集为TNBC meta分析研究的补充材料，包含一项Supplementary File，列出所分析临床试验中使用的中草药（CHM）清单。数据来源于doi.org，作者为Hsiang-I Hou，发布于2026年10月14日，DOI为10.6084/m9.figshare.30145936.v3。该补充数据支持一项关于中草药辅助治疗早期三阴性乳腺癌的随机对照试验meta分析，可用于复现研究中的药理学与生物信息学分析，并为后续参考提供详细数据（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
源站首次发布：2026-10-14。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据集为关于中草药（CHM）作为三阴性乳腺癌（TNBC）辅助疗法的研究提供补充材料。它包括以下用于药理学和生物信息学分析的补充文件：- 补充文件：所分析临床试验中使用的中草药（CHM）清单。该补充数据集支持题为“Effect of Integrative Chinese Herbal Medicine on Treatment Response in Early-Stage Triple-Negative Breast Cancer: A Meta-Analysis of Randomized Controlled Trials with Trial Sequential Analysis and Core Herb Exploration”的手稿中呈现的分析，该手稿目前提交至Journal of Traditional and Complementary Medicine。它为可重复性和进一步参考提供了详细数据。
【数据结构与技术规格】
文件数 1 个，合计 23.16 KB。数据集 DOI：10.6084/m9.figshare.30145936.v3。
【主题与分类】
源站学科分类：Traditional Chinese medicine and treatments。主题标签：TNBC (triple negative breast cancer。本站分类：肿瘤/乳腺癌。
【适用方向】
源站学科分类标注为 Traditional Chinese medicine and treatments。
【获取与许可】
源站页面：https://figshare.com/articles/dataset/TNBC_meta-analysis_Supplementary_table_S3/30145936
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Hou, Hsiang-I (2025). TNBC meta-analysis Supplementary File. figshare. Dataset
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://doi.org/10.6084/m9.figshare.30145936.v1
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:
数据集大小约 23.2 KB。
数据说明
该数据集为中药（CHM）作为三阴性乳腺癌（TNBC）辅助治疗研究的补充材料。它包括用于药理学和生物信息学分析的三个补充表格：- 补充表S3：用于基于SNA的网络药理学分析的原始列表。这些补充数据集支持主手稿中呈现的荟萃分析和网络药理学发现，为可重复性和进一步参考提供详细数据。
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。
