加利福尼亚州家族性癌症相对风险
种族/族裔在早发癌症遗传易感性中的作用,可通过比较不同族裔群体间基于家族的癌症一致率来估计。我们使用关联的加利福尼亚州健康登记数据库,评估了0-26岁确诊患者的一级亲属的相对癌症风险,以及发生不同第二恶性肿瘤(SPMs)的相对风险

基本信息
资源简介
加利福尼亚州家族性癌症相对风险
种族/族裔在早发癌症遗传易感性中的作用,可通过比较不同族裔群体间基于家族的癌症一致率来估计。我们使用关联的加利福尼亚州健康登记数据库,评估了0-26岁确诊患者的一级亲属的相对癌症风险,以及发生不同第二恶性肿瘤(SPMs)的相对风险
Relative risks of familial cancers in California
【数据内容】
源站描述(机器翻译,仅供参考):种族/族裔在早发癌症遗传易感性中的作用,可通过比较不同族裔群体间基于家族的癌症一致率来估计。我们使用关联的加利福尼亚州健康登记数据库,评估了0-26岁确诊患者的一级亲属的相对癌症风险,以及发生不同第二恶性肿瘤(SPMs)的相对风险。1989-2015年,我们识别出29,631例癌症患者和62,863名健康家庭成员。在癌症先证者中,其兄弟姐妹和母亲患任何癌症的相对风险升高[标准化发病率比(SIR)=3.32;95%置信区间(CI):2.54-4.35;P<0.001],发生SPM的相对风险也升高(SIR=7.12;95%CI:5.46-9.28;P<0.001)。与非拉丁裔白人受试者(SIR=2.60;95%CI:1.66-4.06)相比,拉丁裔的兄弟姐妹和母亲患任何癌症的相对风险更高(P=0.001)(SIR=3.36;95%CI:2.24-5.05)。拉丁裔在一级亲属中的相对风险更高,并且SPM风险也更高,与……相比。
【主题与分类】
主题标签:肿瘤登记、关联数据、早发肿瘤、遗传易感性、第二原发癌、种族差异、风险评估、队列研究。本站分类:肿瘤。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3A0bdb10f631f8610060f802c28d9bf3407cfd9f367035f1d5fce850f4f08b5365
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
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
种族/族裔在早发性癌症遗传易感性中的作用,可通过比较不同族裔群体间基于家族的癌症一致率来估计。我们使用关联的 California 健康登记数据库,评估 0-26 岁之间确诊患者的一级亲属的相对癌症风险,以及发生不同第二恶性肿瘤(SPMs)的相对风险。1989-2015 年间,我们识别出 29,631 例癌症患者和 62,863 名健康家庭成员。对于患有癌症的先证者,其兄弟姐妹和母亲发生任何癌症的相对风险增加[标准化发病比(SIR)=3.32;95%置信区间(CI):2.54-4.35;P<0.001],发生 SPM 的相对风险也增加(SIR=7.12;95%CI:5.46-9.28;P<0.001)。与非拉丁裔白人受试者(SIR=2.60;95%CI:1.66-4.06)相比,在拉丁裔(SIR=3.36;95%CI:2.24-5.05)中观察到兄弟姐妹和母亲发生任何癌症的相对风险更高(P=0.001)。与……相比,拉丁裔在一级亲属中具有更高的相对风险,且 SPM 风险更高。
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。




