成人脑性瘫痪握力一年纵向重测信度与自然史研究
该数据集来自一项针对成人脑性瘫痪(CP)的纵向研究,旨在评估握力(GS)的一年重测信度并描述其自然史。研究使用手持式测力计测量优势手与非优势手握力,间隔约一年,采用组内相关系数(ICC)评估全队列及按GMFCS和MACS分组的重测信度,并总结握力增加、维持或下降的比例

基本信息
资源简介
成人脑性瘫痪握力一年纵向重测信度与自然史研究
One-year longitudinal test-retest reliability and natural history of grip strength among adults with cerebral palsy
该数据集来自一项针对成人脑性瘫痪(CP)的纵向研究,旨在评估握力(GS)的一年重测信度并描述其自然史。研究使用手持式测力计测量优势手与非优势手握力,间隔约一年,采用组内相关系数(ICC)评估全队列及按GMFCS和MACS分组的重测信度,并总结握力增加、维持或下降的比例。共纳入53名成人(58.5%为女性,平均年龄37.5岁)。数据可用于分析成人脑性瘫痪患者握力的纵向稳定性与变化趋势(来源 DOI 解析)。
【数据集背景】
源站首次发布:2026。
【数据内容】
源站描述(机器翻译,仅供参考):摘要 目的:评估成人脑性瘫痪(CP)握力(GS)的一年纵向重测信度,并描述GS的自然史。方法:使用手持式测力计对成人CP的优势手和非优势手进行间隔约一年的GS测量。通过组内相关系数(ICC;双向混合效应、一致性模型)估计全队列以及按粗大运动功能分类系统(GMFCS)和手动能力分类系统(MACS)定义的亚组的重测信度。GS的自然史以类似方式总结,包括GS增加、维持或下降的比例。结果:共纳入53名成人(58.5%为女性;平均[SD]年龄37.5[13.8]岁。优势手的ICC(95% CI)为0.92(0.86–0.95),非优势手为0.91(0.85–0.95)。
【主题与分类】
主题标签:adults。本站分类:神经系统疾病/脑性瘫痪。
【获取与许可】
源站页面:https://www.icpsr.umich.edu/sites/icpsr/view/studies/246943/versions/V1
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://doi.org/10.3886/e246943v1
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
摘要 目的:评估握力(GS)在脑性瘫痪(CP)成人中为期一年的纵向重测信度,并描述其自然变化历程。方法:使用手持式测力计对CP成人进行握力测量,分别测量优势手和非优势手,两次测量间隔约一年。采用组内相关系数(ICC;双向混合效应模型、一致性模型)估计全队列及按粗大运动功能分类系统(GMFCS)和手动能力分类系统(MACS)定义的亚组的重测信度。握力的自然变化历程以类似方式总结,包括握力增加、维持或下降的比例。结果:共纳入53名成人(女性占58.5%;平均[标准差]年龄37.5[13.8]岁)。优势手的ICC(95% CI)为0.92(0.86–0.95),非优势手为0.91(0.85–0.95),表明信度为良好至优秀。按GMFCS亚组,ICC范围为0.79–0.91(优势手)和0.84–0.93(非优势手)。按MACS亚组,ICC范围为0.77–0.88(优势手)和0.11–0.90(非优势手)。一年内握力变化因GMFCS/MACS及变化方向而异。
结论:临床GS在成人CP患者中显示出良好至优秀的1年纵向信度,而在MACS III–V级个体中,非优势手的稳定性较低。
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。




