老年髋部骨折手术患者GNRI与股直肌厚度研究
研究记录人口学与术前临床数据,包括年龄、性别、身高、体重、BMI、合并症、ASA分级、骨折类型、血清白蛋白、血红蛋白、C反应蛋白和肌酐,并计算老年营养风险指数(GNRI)及超声测量股直肌肌肉厚度(RF-MT)

基本信息
资源简介
老年髋部骨折手术患者GNRI与股直肌厚度研究
该数据集来自clinicaltrials.gov,为单中心前瞻性观察性队列研究,纳入65岁及以上在Fatih Sultan Mehmet Training and Research Hospital接受髋部骨折手术的连续患者。研究记录人口学与术前临床数据,包括年龄、性别、身高、体重、BMI、合并症、ASA分级、骨折类型、血清白蛋白、血红蛋白、C反应蛋白和肌酐,并计算老年营养风险指数(GNRI)及超声测量股直肌肌肉厚度(RF-MT)。数据可用于分析GNRI与RF-MT对术后临床结局的预后价值,支持营养不良、肌少症与术后并发症相关预测建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:髋部骨折、营养不良、肌少症、术后并发症。这是一项单中心、前瞻性观察性队列研究,纳入连续患者,年龄65岁及以上,计划在Fatih Sultan Mehmet Training and Research Hospital接受髋部骨折手术治疗。研究将探讨老年营养风险指数(GNRI)和超声测量的股直肌肌肉厚度(RF-MT)对术后临床结局的预后价值。获得知情同意后,将记录人口学和术前临床数据,包括年龄、性别、身高、体重、体重指数、合并症、美国麻醉医师协会身体状况分级、骨折类型、血清白蛋白、血红蛋白、C反应蛋白和肌酐。GNRI将使用以下公式计算:GNRI = [1.489 × 血清白蛋白(g/
【主题与分类】
主题标签:Hip Fracture、Malnutrition、Sarcopenia、Postoperative Complications。本站分类:肌肉骨骼系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07751692
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/NCT07751692
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
研究条件:髋部骨折、营养不良、肌少症、术后并发症。这是一项单中心、前瞻性观察性队列研究,纳入在Fatih Sultan Mehmet培训与研究医院连续接受髋部骨折手术治疗、年龄65岁及以上的患者。本研究将探讨老年营养风险指数(GNRI)和超声测量股直肌肌肉厚度(RF-MT)对术后临床结局的预后价值。在获得知情同意后,将记录人口学和术前临床数据,包括年龄、性别、身高、体重、体重指数、合并症、美国麻醉医师协会身体状况分级、骨折类型、血清白蛋白、血红蛋白、C反应蛋白和肌酐。GNRI将使用以下公式计算:GNRI = [1.489 × 血清白蛋白(g/L)] + [41.7 × 当前体重/理想体重]。当当前体重与理想体重的比值大于1时,该比值将设定为1。
参与者将根据原始GNRI分类进行分组:无营养风险(GNRI大于98)、低营养风险(GNRI 92至98)和中度或重度营养风险(GNRI小于92)。术前将在非骨折侧使用高频线阵超声探头测量股直肌肌肉厚度。测量时参与者取仰卧位,测量位置为髂前上棘与髌骨上缘之间的中点。施加最小探头压力以避免肌肉受压。在横切面上显示股直肌后,肌肉厚度将测量为浅筋膜与深筋膜之间的最大垂直距离。将进行三次测量,取其平均值用于分析。所有测量将由同一位具有超声检查经验的研究者完成。围手术期和术后数据将包括手术方式
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。




