Oswestry 代谢性骨病队列

数据集获取

源站：https://clinicaltrials.gov/study/NCT07014306

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

条件：骨质疏松症。本研究的总体目标是考察在RJAH代谢性骨病服务中心作为标准诊疗接受治疗的骨折风险患者的纵向肌肉骨骼及骨骼外健康结局。本研究旨在利用作为标准诊疗收集的数据以及研究专用数据。标准诊疗数据在分析前经过匿名化处理，属于现有伦理批准范围（22/PR/0076）。然而，研究人员将征得患者同意，以获取其全科医生持有的医疗记录。这是因为在临床决策和与骨骼健康相关的研究中，掌握患者病史的准确可靠数据至关重要。从标准诊疗、相关病史、生物样本和诊断影像中获得的数据将被分析，以提供整体性方法，从而理解患者发生骨折的原因、如何最好地预测未来骨折风险，并确定治疗反应的参数。

本研究将评估已确立的骨折传统危险因素，并探索与糖尿病、肥胖、肌少症和衰弱等慢性疾病相关的新型危险因素，以及包括“组学”（代谢组学、蛋白质组学）和微生物组在内的新型生物标志物，以了解肠道微生物组如何影响骨骼健康，并揭示新的病理学和机制性代谢通路。众所周知，不同的生活方式因素可对健康产生巨大影响。吸烟、过量饮酒、不良饮食和缺乏运动会增加罹患一系列疾病的风险，骨质疏松症便是其中之一。肥胖导致的体重增加一直被认为与双能X线吸收法（DXA）20测得的较高骨密度（BMD）相关，但尽管骨密度有所改善，肥胖患者骨折的发生率可能更高，这一现象被称为“肥胖悖论”。在常规实践中，骨折风险使用FRAX®工具计算。

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。