老年脂肪性肝病肝脏相关结局风险因素与预测模型

数据集获取

源站：https://clinicaltrials.gov/study/NCT07537829

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

病症：脂肪性肝病、代谢功能障碍相关脂肪性肝病。背景：脂肪性肝病（SLD）在老年人群中高度流行，并可进展为肝硬化和肝细胞癌。然而，针对中国老年人群风险预测的大规模纵向研究有限。目的：主要目的是识别显著纤维化的危险因素并建立预测模型。次要目的包括晚期纤维化、肝硬化、肝细胞癌、肝病相关死亡及肝外结局（2型糖尿病、慢性肾脏病、心血管疾病）的模型，以及比较SLD亚型（MASLD、MetALD、ALD）之间的结局。方法：这是一项单中心、回顾性队列研究，使用南京老年脂肪性肝病队列（2018年启动）的数据。将纳入约10,000名年龄≥60岁、经影像学或活检证实存在肝脂肪变性的参与者。

基线及年度随访数据包括人口统计学资料、生活方式因素（吸烟、饮酒、饮食、体力活动）、人体测量指标、实验室检查（血糖、血脂、肝肾功能）、腹部超声及用药情况。主要结局为显著纤维化（FIB-4 ≥2.67）；次要结局包括进展期纤维化、肝硬化、肝细胞癌、肝脏相关死亡及肝外结局。将采用Cox回归进行单因素和多因素分析。应用机器学习算法（随机森林、XGBoost、Cox-boost）构建预测模型，通过时间依赖性ROC曲线、校准曲线和决策曲线分析评估模型性能。采用竞争风险模型将死亡作为竞争事件加以处理。本研究已获得南京大学医学院附属鼓楼医院伦理委员会批准。

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。