慢性疾病中行动能力受损评估队列的建立

数据集获取

源站：https://clinicaltrials.gov/study/NCT04375280

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：关节骨关节炎、远端动脉粥样硬化（无坏疽）、帕金森病、慢性阻塞性肺疾病（未特指）、肥胖（未特指）。我们拟组建一个患有慢性病受试者的前瞻性队列。目的是探究活动能力的各个不同组成部分（平衡、肌力、身体成分、步行能力、代谢等），评估其对个体功能能力的影响，并识别其潜在的相互作用。处理这些数据最终可能有助于开发一个模型，以确定慢性病患者“活动障碍”的综合标准特征。在本方案中，将在五个时间点测量参数（入组时、入组日起6个月时、入组日起1年、2年和5年时）。所有测试将在同一天进行。新的评估将按照与初始评估相同的原则进行。统计分析将使用Stata软件（版本13，StataCorp，College Station，USA）进行。

分类变量将以频数和百分比描述，连续变量将以均数和标准差（若数据不服从正态分布，则采用中位数和四分位距）描述。连续数据的正态性将通过图形法和Shapiro-Wilk检验进行评估。主要分析将包括确定患者在活动能力方面的特征。将采用聚类类方法（监督式或非监督式）：k均值、支持向量机、机器学习、因子分析。例如，对混合数据进行因子分析可表征活动能力的主要成分。随后可进行上升层次分类，以确定同质的患者组。这些组将根据所评估的主要标准进行描述和比较，使用标准统计检验：分类标准采用卡方检验（如适用则采用Fisher精确检验），连续标准采用方差分析（若数据不服从正态分布则采用Kruskal-Wallis检验）。主要分析将被拆分

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。