关节置换术前营养状态对感染风险的影响
该数据集来自 clinicaltrials.gov,聚焦关节置换术前营养状态与术后感染风险的关系。覆盖 Periprosthetic Joint Infection (PJI)、营养不良及术后并发症等主题,采用前瞻性观察性队列设计,并涉及基于血清白蛋白、总胆固醇和外周血淋巴细胞计数的 CONUT 营

基本信息
资源简介
关节置换术前营养状态对感染风险的影响
该数据集来自 clinicaltrials.gov,聚焦关节置换术前营养状态与术后感染风险的关系。覆盖 Periprosthetic Joint Infection (PJI)、营养不良及术后并发症等主题,采用前瞻性观察性队列设计,并涉及基于血清白蛋白、总胆固醇和外周血淋巴细胞计数的 CONUT 营养筛查评分。数据可用于分析术前营养与免疫状态对术后恢复、伤口愈合及手术部位感染风险的影响,支持术后并发症风险预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:Periprosthetic Joint Infection (PJI)、Malnutitrion、Postoperative Complication。Periprosthetic joint infection (PJI) 是关节置换术后最具挑战性的并发症之一,可能导致住院时间延长、额外手术、医疗费用增加以及患者预后下降。术前营养状态可能在术后恢复、伤口愈合和免疫功能中发挥重要作用。营养不良与包括手术部位感染在内的术后并发症风险升高有关。CONUT(Controlling Nutritional Status)评分是一种客观的营养筛查工具,基于血清白蛋白浓度、总胆固醇浓度和外周血淋巴细胞计数,提供对营养和免疫状态的评估。在这项前瞻性观察性队列研究中,我们检查了
【主题与分类】
主题标签:Periprosthetic Joint Infection (PJI)、Malnutitrion、Postoperative Complication。本站分类:免疫系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07884006
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/NCT07884006
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:假体周围关节感染(PJI)、营养不良、术后并发症。假体周围关节感染(PJI)是关节置换术后最具挑战性的并发症之一,可能导致住院时间延长、额外手术、医疗费用增加以及患者预后下降。术前营养状况可能在术后恢复、伤口愈合和免疫功能中发挥重要作用。营养不良与包括手术部位感染在内的术后并发症风险升高相关。CONUT(控制营养状况)评分是一种基于血清白蛋白浓度、总胆固醇浓度和外周血淋巴细胞计数的客观营养筛查工具,可评估营养和免疫状况。在这项前瞻性观察性队列研究中,我们考察了术前CONUT评分与接受关节置换术患者发生假体周围关节感染之间的关系。将收集术前人口学、临床和实验室数据。
CONUT评分将根据常规术前实验室参数计算。将按照机构临床方案为患者提供标准手术和术后护理。本研究不设实验性干预或治疗分组。术后将根据文献中描述的诊断标准对患者进行随访,观察假体周围关节感染的发生情况。主要目的是评估术前CONUT评分与术后假体周围关节感染之间的相关性。将采用对相关潜在混杂因素进行调整的统计分析来检验营养状态与感染风险之间的关联。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




