精准线粒体 Mito Map COMPASS 研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT07856121

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

条件：线粒体疾病、肌痛性脑脊髓炎/慢性疲劳综合征、COVID-19后状况、体位性直立性心动过速综合征、莱姆病、莱姆病治疗后综合征、纤维肌痛、癌症相关性疲劳。COMPASS是一项前瞻性、远程、纵向观察性队列研究，旨在外部评估冻结的经典Mito Map能量评分的测量行为和纵向标准效度。参与者从基线到第12周完成七次匹配评估。主要目标是估计能量评分变化与基于标准化握力和五次坐立测试测量单独构建的客观家庭功能锚点变化之间的平均个体内关联。主要锚点排除疲劳，且与能量评分不共享任何输入项。

初始入组目标为400名成人，分布于七个预先设定的队列：健康对照；广义线粒体病；POLG相关疾病；感染后或自主神经疾病；癌症及癌症生存者；其他持续性能量受限状况；以及莱姆病或治疗后莱姆病综合征。符合专门POLG队列定义的参与者被分配至该队列，而非广义线粒体队列。50人的POLG队列为预先设定的描述性和探索性亚组分析，未单独把握度用于验证性POLG特异性、变异水平、预后或治疗反应声明。次要目标包括描述个体间关联、重测信度、依从性、缺失情况、评估失败、参与者负担以及家庭测量期间的安全性。探索性分析将考察对下一次功能评估的预测、纵向转归产出、自然发生的暴露变化、可选可穿戴设备测量、可选Flic症状、情境及确认的干预标志物，以及七个队列间的变异。

队列比较为探索性分析，旨在帮助区分复杂能量限制性疾病之间共有的和特定于某种疾病的模式。该研究非干预性

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。