多病共存中的移动能力评估

数据集获取

源站：https://clinicaltrials.gov/study/NCT06473168

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

疾病：关节炎、哮喘、心房颤动、支气管扩张、癌症、慢性肾脏病、慢性阻塞性肺疾病、冠心病。多病共存（即同时存在两种或两种以上长期疾病）是英国国家医疗服务体系面临的重大挑战，尤其考虑到英国人口老龄化以及其与高疾病负担和医疗费用的关联。超过50%的65岁以上成年人患有多种长期疾病。本课题组已验证了一系列应用于单一可穿戴传感器的算法，这些算法有潜力在五种单一长期疾病患者的日常生活活动中准确、可靠地捕捉与步行相关的活动能力指标（如步频和步速）。然而，这些算法无法直接应用于多种长期疾病患者，因为与单一长期疾病相比，多病共存对活动能力的影响因并发症和后遗症更多而被放大。因此，本研究旨在验证能够在多种长期疾病患者日常生活活动中稳健估计步行相关活动能力指标的算法。

为实现我们的目标，研究人员将开展：i）对现有及新开发的用于步行相关移动性结局检测的算法进行基于实验室的技术验证；ii）对选定算法进行无监督的真实生活验证；iii）考察经验证的步行相关移动性结局在多大程度上反映患有多种疾病的老年人的整体和疾病特异性特征。研究人员将采用以患者为中心的整合方法，在项目早期就让患有多种长期疾病（MLTCs）的患者参与，以提供他们对日常生活活动中移动性受限的看法和担忧。研究人员计划招募55名患有多种长期疾病的老年人（>65岁），男女不限，符合以下纳入标准：患有以下两种或两种以上疾病，包括骨关节炎、类风湿关节炎、骨质疏松症、2型糖尿病、抑郁和/或焦虑、高血压、冠状

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。