股骨骨折与COVID-19回顾性队列数据集
该数据集来自clinicaltrials.gov，为一项回顾性队列研究，比较接受手术治疗的股骨近端脆性骨折患者在感染与未感染COVID-19情况下的术后早期预后
基本信息
资源简介
股骨骨折与COVID-19回顾性队列数据集
Femoral frACturEs and COVID-19 数据集来自 clinicaltrials.gov，对应一项回顾性队列研究，聚焦于接受手术治疗的股骨近端脆性骨折患者，比较其在感染与未感染 COVID-19 两种情况下的术后早期预后。该数据集归入感染性疾病 / 其他类别，主题涉及 Covid19、股骨脆性骨折与股骨骨折，可为研究 COVID-19 对脆弱人群骨科手术结局的影响提供数据基础。
【数据集背景】
该数据集所依托的研究关注 COVID-19 与股骨近端脆性骨折两类健康问题的交叉情形。股骨近端脆性骨折多见于骨质脆弱人群，通常需要手术治疗；而 COVID-19 感染可能影响患者术后的恢复过程。源站描述指出，该研究为回顾性队列研究，目的是比较接受手术治疗的股骨近端脆性骨折患者在感染与未感染 COVID-19 情况下的术后早期预后。数据集以 Covid19、Femur Fracture、Fragility Fracture 为主题标签，归入感染性疾病 / 其他分类，体现了感染性疾病与骨科创伤交叉的研究方向。
【数据内容】
源站描述列出的研究条件包括 Covid19、Femur Fracture 与 Fragility Fracture。数据集围绕接受手术治疗的股骨近端脆性骨折患者展开，按是否感染 COVID-19 进行分组比较，关注的结局为术后早期预后。关于具体变量、样本量、随访时长与结局指标等细节，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述表明其对应一项回顾性队列研究，即依据已有记录对既往病例进行回顾性分组与比较。关于数据采集的具体机构、时间范围、采集流程与数据整理方式，源站未提供。
【适用场景】
该数据集适用于与 COVID-19 和骨科创伤交叉相关的研究场景，例如探讨 COVID-19 感染对股骨近端脆性骨折患者术后早期预后的影响，或用于感染性疾病背景下脆弱人群手术结局的比较性分析。也可作为感染性疾病 / 其他类别下的示例数据资源，支持相关主题的回顾性研究设计与方法学参考。关于更具体的适用条件与使用限制，源站未提供。
【使用方法】
源站未提供。
【质量与限制】
该数据集基于回顾性队列研究设计，其结论受回顾性研究固有局限的影响；具体偏倚控制、样本代表性、数据完整性等质量信息，源站未提供。使用时应注意研究设计类型对因果推断的限制。
【引用与许可】
源站未提供。
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/NCT04657510
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
Conditions: Covid19, Femur Fracture, Fragility Fracture. Retrospective cohort study comparing the early prognosis after surgically-treated proximal femur fragility fractures in patients affected and not affected by COVID-19.
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。
