探索精神障碍与一般躯体疾病的共病关系

数据集获取

源站：https://clinicaltrials.gov/study/NCT03847753

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：器质性精神障碍（包括症状性精神障碍）、物质使用障碍、精神分裂症、心境[情感]障碍、神经症性、应激相关及躯体形式障碍、进食障碍、成人人格与行为障碍、精神发育迟滞。研究者将分析1900年至2015年间在丹麦出生、且于2000年至2016年间居住在丹麦的所有个体的数据；研究规模超过550万人。丹麦国家患者登记系统、死因登记系统和国家处方登记系统均将作为有关精神障碍和一般躯体疾病（GMC）的信息来源。这些数据被认为具有高质量和高效度。将使用以年龄为底层时间尺度的Cox比例风险模型，通过风险比（HR）和95%置信区间（CI）来检验十种精神障碍中每一种暴露组与非暴露组之间特定GMC组的诊断率。

将运行以下模型以提供所有个体及按性别分层的估计值，同时考虑每种精神障碍的暴露情况，以及这种关联是否因精神障碍发病后的时间不同而有所差异（滞后HRs）：模型A：调整性别和出生日期，结合模型中的潜在年龄，也调整了日历时间；模型B：进一步调整在感兴趣的精神障碍之前发病、但之后未发病的精神障碍共病情况。最后，将估计在被诊断为精神障碍后，诊断为GMC的累积发病比例。这将提供在特定时间后，鉴于先前有精神障碍诊断，发展成GMC的绝对风险。为了比较被诊断为精神障碍的人群与未被诊断人群的累积发病比例，将为每种精神障碍生成一个匹配的参照组。对于每位患有该精神障碍的索引个体，将随机选择最多五名年龄和性别相匹配的个体（这些个体在索引个体被诊断的年龄时尚未被诊断为相关精神障碍）。

Cumulative incidence proportions will b

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。