慢性脊髓损伤骨质疏松意识研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT07725081

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：脊髓损伤（SCI）、骨质疏松症、健康知识、态度、患者教育（作为主题）、实践。背景：脊髓损伤（SCI）患者会经历损伤平面以下快速且严重的骨丢失，骨折发生率比一般人群高出数倍。患者认知是预防行为、筛查参与和治疗依从性的重要决定因素，然而，塑造SCI人群骨质疏松症认知的因素尚未被系统研究，且土耳其SCI人群尚无此类数据。目的：本研究旨在（1）使用经验证的量表评估慢性SCI患者的骨质疏松症认知；（2）检验潜在预测因素与认知之间的双变量关联；（3）通过多变量回归识别与认知独立相关的因素。设计与场所：这是一项单中心、横断面观察性研究，于2023年1月至12月在一家三级物理医学与康复中心进行。

参与者：通过连续抽样纳入94名经确诊的创伤性脊髓损伤（SCI）成人患者，损伤持续时间至少12个月。排除存在显著认知障碍、需住院治疗的急性疾病或无法完成土耳其语问卷的个体。仅纳入创伤性SCI病例。测量指标：采用土耳其版骨质疏松症意识量表（31个条目；总分范围31至124分）评估骨质疏松症意识。其他数据包括年龄、性别、教育水平、损伤平面及完整性、ASIA损伤量表分级、损伤持续时间、骨折史、定期随访、是否接受过骨质疏松症教育、个人研究、骨密度检测史以及骨相关药物使用情况。统计分析：双变量分析采用t检验、单因素方差分析和相关系数，并报告效应量。以九个预测变量进行多元线性回归，识别与意识独立相关的因素。回归诊断及敏感

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。