高危心血管风险前列腺癌患者ARPI治疗后的心脏肿瘤学咨询干预(Heart-Safe)
该数据集来自clinicaltrials.gov,聚焦前列腺癌(含IV期)患者在接受雄激素受体通路抑制剂(ARPI)治疗背景下的心血管风险管理

基本信息
资源简介
高危心血管风险前列腺癌患者ARPI治疗后的心脏肿瘤学咨询干预(Heart-Safe)
该数据集来自clinicaltrials.gov,聚焦前列腺癌(含IV期)患者在接受雄激素受体通路抑制剂(ARPI)治疗背景下的心血管风险管理。数据覆盖前列腺癌诊断、IV期前列腺癌及心血管风险等主题,涉及ADT相关代谢不良反应与心血管事件风险。可用于识别高心血管风险前列腺癌患者、评估心脏肿瘤学咨询干预效果,以及支持早期风险分层与风险缓解策略研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:前列腺癌(诊断)、IV期前列腺癌、心血管风险。在前列腺癌(PC)患者中,心血管疾病(CVD)导致显著的发病率,并且是第二大死因。既存CVD和使用雄激素剥夺治疗(ADT)——这是局部晚期或转移性PC男性治疗的关键基石1,2——均导致CV风险增加。ADT与不良代谢效应相关,包括中心性肥胖增加、低密度脂蛋白(LDL)水平升高、血糖控制受损以及动脉壁重塑和内皮功能障碍。数据表明,对大多数患者而言,现状是不够的6,并且在早期识别可能从积极风险缓解策略中获益最多的高CV风险PC患者方面仍存在关键缺口。缓解策略,如添加
【主题与分类】
主题标签:Prostate Cancer (Diagnosis)、Prostate Cancer Stage IV、CV Risk。本站分类:肿瘤/前列腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07223385
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://clinicaltrials.gov/study/NCT07223385
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
条件:前列腺癌(诊断)、IV期前列腺癌、心血管风险。在前列腺癌(PC)患者中,心血管疾病(CVD)导致显著的发病率,并且是第二大死因。既存的心血管疾病以及使用雄激素剥夺治疗(ADT)——这是局部晚期或转移性前列腺癌男性治疗的关键基石之一1,2——均会导致心血管风险增加。ADT与不良代谢效应相关,包括中心性肥胖增加、低密度脂蛋白(LDL)水平升高、血糖控制受损以及动脉壁重塑和内皮功能障碍。数据表明,对大多数患者而言,现状是不够的6,并且在早期识别高心血管风险的前列腺癌患者方面仍存在关键缺口,而这些患者可能从积极的风险缓解策略中获益最多。缓解策略,如添加他汀类药物作为一级预防,已在数千名患者中显示出减少心肌梗死/冠心病死亡。
携带复发性体细胞突变的造血克隆随年龄相关扩增,被称为意义未明的克隆性造血(CHIP),近期已被确定为动脉粥样硬化的重要驱动因素,可使冠心病风险加倍。值得注意的是,虽然CHIP在约10%的70岁以上人群中可检测到,但在实体恶性肿瘤患者中更为富集,而放疗暴露是发生CHIP最具决定性的危险因素之一12-15。炎症相关代谢信号被雄激素信号激活,并在CHIP患者中加剧。然而,其机制联系和临床后果尚不明确。因此,研究接受ARSI治疗的PC患者中CHIP和代谢紊乱对心血管的影响至关重要。我们计划通过检验我们的创新性假设来填补这些关键空白,即在ARPI治疗期间进行早期肿瘤心脏病学干预,并依据积极指南进行心血管优化,将降低心血管风险,且CHIP和代谢组学将有助于识别不良代谢
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。




