最佳淋巴流动方案对乳腺癌幸存者淋巴水肿症状影响数据
该数据集包含2019年至2020年间92名乳腺癌幸存者的临床试验数据，主要数据模态为临床表格，记录了患者人口学特征、淋巴水肿症状体验指标及肢体体积测量结果，用于评估'最佳淋巴流动'自我管理方案对改善淋巴水肿症状和降低肢体体积差异的效果，为乳腺癌相关淋巴水肿的干预研究提供数据支持。
基本信息
资源简介
最佳淋巴流动方案对乳腺癌幸存者淋巴水肿症状影响数据
【数据集背景】
本数据集源站标题为《Data on the impact of The-Optimal-Lymph-Flow program on lymphedema symptoms in breast cancer survivors》。源站首次发布：2022-11-30。
【数据内容】
源站原始描述：Many breast cancer survivors face long-term postoperative challenges as a result of developing lymphedema symptoms and chronic lymphedema. The-Optimal-Lymph-Flow (TOLF) program is an intervention based on physiological-cognitive-behavioral principles that teaches patients self-management strategies to activate lymphatic system and promote lymph flow to decrease lymphedema symptoms, reduce the risk and severity of lymphedema. This data article presents the data obtained from a randomized clinical…
【数据结构与技术规格】
文件数 1 个，合计 57.26 KB。数据集 DOI：10.17632/xm7skmn6tn.1。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/xm7skmn6tn
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://data.mendeley.com/datasets/xm7skmn6tn
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
该数据集来源于一项随机临床试验，旨在评估’‘最佳淋巴流动’'（TOLF）方案对乳腺癌幸存者淋巴水肿症状的干预效果。数据集包含2019年1月至2020年6月期间92名符合条件的患者数据，这些患者被随机分配至TOLF干预组或对照组。数据内容包括患者基线人口学与临床特征、干预前后淋巴水肿症状体验（如症状数量、严重程度、痛苦程度及对日常生活的影响）以及淋巴液水平（通过肢体体积差异指标）。研究采用乳腺癌淋巴水肿症状体验指数评估症状体验，通过周径测量估算肢体体积差异。数据集提供了干预组与对照组在基线和研究终点的比较数据，可用于临床实践或实验研究中的参考比较，帮助确定乳腺癌幸存者减少淋巴水肿风险和症状负担的最佳运动方案，并为该领域的进一步研究提供基础。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
