三阴性乳腺癌免疫联合化疗治疗相关不良事件（TRAEs）数据库-68973
数据库汇总了三阴性乳腺癌免疫治疗与化疗方案报告的不良事件信息，旨在支持比较性安全性分析、数据复用以及肿瘤学和药物警戒领域的进一步综合研究
基本信息
资源简介
三阴性乳腺癌免疫联合化疗治疗相关不良事件（TRAEs）数据库
Treatment-Related Adverse Events (TRAEs) Database from Immunotherapy in Combination with Chemotherapy for Triple-Negative Breast Cancer
该数据集是一个经过整理的治疗相关不良事件（TRAEs）数据库，其内容提取自综述文章《Immunotherapy in Combination with Chemotherapy for Triple-negative Breast Cancer》所分析的临床证据。数据库汇总了三阴性乳腺癌免疫治疗与化疗方案报告的不良事件信息，旨在支持比较性安全性分析、数据复用以及肿瘤学和药物警戒领域的进一步综合研究。该数据集可作为结构化二手数据资源，用于三阴性乳腺癌治疗疗效与安全性结局的循证分析（来源 DOI 解析，Creative Commons Attribution 4.0 International 许可）。
【数据集背景】
源站首次发布：2023。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据集包含一个经过整理的治疗相关不良事件（TRAEs）数据库，其内容提取自综述文章《Immunotherapy in Combination with Chemotherapy for Triple-negative Breast Cancer》所分析的临床证据。该数据库汇总了三阴性乳腺癌免疫治疗和化疗方案报告的不良事件信息，旨在支持比较性安全性分析、数据复用以及肿瘤学和药物警戒研究中的进一步综合。该数据集旨在作为结构化二手数据资源，用于三阴性乳腺癌治疗中疗效和安全性结局的循证分析。
【主题与分类】
主题标签：Treatment-related adverse events、TRAEs、triple-negative breast cancer、Immunotherapy、Immunotherapy、Immunotherapy/classification、Immunotherapy/trends、Immunotherapy/methods、Maintenance Chemotherapy、Induction Chemotherapy。本站分类：肿瘤/乳腺癌。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.20061561
使用许可：Creative Commons Attribution 4.0 International。
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。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放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/10.5281/zenodo.20061561
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 16.3 KB。
数据说明
该数据集包含从综述文章《免疫治疗联合化疗治疗三阴性乳腺癌》所分析的临床证据中提取的治疗相关不良事件（TRAEs）精选数据库。该数据库汇编了三阴性乳腺癌免疫治疗和化疗方案报告的不良事件信息，旨在支持比较安全性分析、数据复用以及肿瘤学和药物警戒研究的进一步综合。该数据集旨在作为结构化二次数据资源，用于三阴性乳腺癌治疗疗效和安全性结局的循证分析。
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。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
