Stop At One Stockholm (SAOS):通过主动患者识别与员工教育进行二级骨折预防
该数据集来自 clinicaltrials.gov,主题为 Stop At One Stockholm (SAOS),即通过主动患者识别与员工教育进行二级骨折预防

基本信息
资源简介
Stop At One Stockholm (SAOS):通过主动患者识别与员工教育进行二级骨折预防
该数据集来自 clinicaltrials.gov,主题为 Stop At One Stockholm (SAOS),即通过主动患者识别与员工教育进行二级骨折预防。研究关注骨质疏松性骨折、骨质疏松及骨质疏松风险,脆性骨折定义为低能量创伤导致的脊柱、髋部、骨盆、肱骨近端和桡骨远端骨折。教育干预面向 PHCC 的全科医生和护士,以及附近康复中心的物理治疗师、职业治疗师和营养师,所有专业人员在第一次教育课程前完成同一网络课程。数据可用于骨折风险识别与二级预防相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:骨质疏松性骨折、骨质疏松、骨质疏松风险。本研究中,脆性骨折定义为由低能量创伤引起的脊柱、髋部、骨盆、肱骨近端和桡骨远端骨折。不超过从站立高度跌落到平坦表面对身体所施加的力度的创伤,被视为低能量创伤。教育干预针对 PHCC 的全科医生和护士,以及附近康复中心的物理治疗师、职业治疗师和营养师。所有专业人员在第一次教育课程前都要完成同一网络课程,该课程在 PHCC 举行。网络课程包括关于脆性骨折危险因素的基础知识。在第一次课程中,所有专业人员首先参加一个 45 分钟的普通研讨会。之后,医生、护士和康复相关专业人员各自有
【主题与分类】
主题标签:Osteoporotic Fractures、Osteoporosis、Osteoporosis Risk。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/NCT04565743
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/NCT04565743
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:骨质疏松性骨折、骨质疏松症、骨质疏松风险。本研究将脆性骨折定义为由低能量创伤引起的脊柱、髋部、骨盆、肱骨近端和桡骨远端骨折。创伤不超过从站立高度跌落到平坦表面对身体施加的力,即被视为低能量创伤。教育干预的对象包括PHCC的全科医生和护士,以及附近康复中心的物理治疗师、职业治疗师和营养师。所有专业人员在参加在PHCC举办的第1次教育课程之前,都要完成相同的网络课程。网络课程包括关于脆性骨折危险因素的基本知识。在第1次课程中,所有专业人员首先参加一个45分钟的联合研讨会。之后,医生、护士和康复相关专业人员分别再参加一个45分钟的研讨会,即三个单独的研讨会。三位教师主持这些研讨会:一位家庭医学专家、一位初级保健专科护士和一位物理治疗师。
在每个PHCC的所有研讨会上,这三个人均全程出席,且所有PHCC的研讨会均由相同的三人主持。研讨会重点讨论如何识别骨折高风险人群以及降低该风险的不同方法,并强调对这类患者实施多专业协作照护的重要性。参与者有机会讨论如何促进不同医疗专业之间的合作,并鼓励制定本地多专业协作照护常规。第2次教育课程大约在第1次课程后6个月举行,邀请与第1次课程相同的医疗专业人员参加。课程分为三部分:第一部分为45分钟,面向医生和护士;第二部分为45分钟,由康复中心人员加入;第三部分为45分钟,仅包括康复人员。第2次课程包括对第1次课程所讨论内容的简要回顾。
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。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。




