脑瘫儿童髋部干预长期结局研究
该数据集来自 clinicaltrials.gov,聚焦严重脑瘫(非行走)儿童髋关节移位的长期结局研究。研究纳入 Reimer 移位百分比至少 30% 的患儿,采用经验证的 CPCHILD 问卷评估不同治疗策略对髋关节不稳相关症状的 comparative effectiveness

基本信息
资源简介
脑瘫儿童髋部干预长期结局研究
该数据集来自 clinicaltrials.gov,聚焦严重脑瘫(非行走)儿童髋关节移位的长期结局研究。研究纳入 Reimer 移位百分比至少 30% 的患儿,采用经验证的 CPCHILD 问卷评估不同治疗策略对髋关节不稳相关症状的 comparative effectiveness。数据可用于分析髋部干预的时机与效果、预测长期功能结局,并为临床决策提供依据(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:脑性瘫痪。背景:患有严重脑性瘫痪(CP)的儿童发生进行性髋关节移位的风险很高,这与疼痛和挛缩相关,会干扰护理、舒适度和生活质量的许多方面。这些儿童接受多种类型的干预,其最佳时机和有效性仍不清楚。2014年,CIHR资助了CP髋关节结局项目(CHOP),这是一项国际多中心前瞻性纵向队列研究,研究对象为患有严重(非行走)CP且有髋关节移位证据的儿童,髋关节移位定义为Reimer移位百分比(MP)至少30%。该研究旨在评估不同治疗策略在预防或缓解髋关节不稳相关症状方面的比较有效性,使用经验证的照护者优先事项与残疾儿童健康指数(CPCHILD)问卷作为
【主题与分类】
主题标签:Cerebral Palsy。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/NCT04792606
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/NCT04792606
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:脑性瘫痪。背景:患有严重脑性瘫痪(CP)的儿童面临进展性髋关节移位的较高风险,这会导致疼痛和挛缩,影响护理、舒适度和生活质量的多个方面。这些儿童接受多种类型的干预措施,但其最佳时机和有效性仍不明确。2014年,加拿大卫生研究院(CIHR)资助了脑性瘫痪髋关节结局项目(CHOP),这是一项国际多中心前瞻性纵向队列研究,研究对象为患有严重(非行走)脑性瘫痪且存在髋关节移位证据的儿童,髋关节移位的定义为Reimer迁移百分比(MP)至少为30%。该研究旨在评估不同治疗策略在预防或缓解髋关节不稳定相关症状方面的比较有效性,采用经过验证的照护者优先事项与残疾儿童健康生活指数(CPCHILD)问卷作为该人群健康相关生活质量(HRQL)的主要结局指标。来自11个国家28个中心的650名患者已入组,目前正在积极随访中,将于2019年底达到至少2年的随访期。
本项目在规模和设计上独一无二,将使用专门为此目的开发的有意义的结局指标,研究髋关节不稳及其管理对重度脑瘫儿童的影响。尽管CHOP将确定24个月时的结局,但在儿童仍在生长期间,这些结局预计不会保持稳定。初始队列需要随访至骨骼成熟,以追踪其长期结局轨迹。为CHOP建立的国际研究者/站点网络和基础设施将有助于本研究参与者的长期随访。此外,CHOP的结果将为嵌套试验的设计提供信息,以评估未来旨在改善重度残疾儿童生活质量的干预措施的有效性。研究目标 目标1:测量d后24个月的有效性
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。




