机构内衰弱老年人的不活动、平衡问题与跌倒风险
该数据集来自 clinicaltrials.gov，聚焦机构内衰弱老年人，研究良性阵发性位置性眩晕（BPPV）的患病率与发病率，以及其对平衡问题、跌倒风险和不活动的影响
基本信息
资源简介
机构内衰弱老年人的不活动、平衡问题与跌倒风险
该数据集来自 clinicaltrials.gov，聚焦机构内衰弱老年人这一特定人群，围绕良性阵发性位置性眩晕（BPPV）展开研究。其核心研究目标在于识别该人群中 BPPV 的患病率与发病率，并进一步探讨 BPPV 对平衡问题、跌倒风险以及不活动状态所产生的影响。研究试图论证在这一患者群体中，早期诊断与早期治疗的重要性。数据集以“Institutional Frail Elderly”为主题标签，在分类上被归入耳鼻咽喉疾病下的良性阵发性位置性眩晕方向，整体定位偏向于老年衰弱人群的眩晕与跌倒风险相关研究。
【数据集背景】
机构内衰弱老年人往往同时面临多重健康问题，平衡能力下降、跌倒风险升高以及活动量减少是该群体常见的健康挑战。良性阵发性位置性眩晕作为一种常见的外周性眩晕疾病，可能进一步加剧上述问题。该数据集所依托的研究正是基于这一背景，将关注点放在机构内衰弱老年人身上，试图明确 BPPV 在这一人群中的患病率与发病率，并评估其对平衡问题、跌倒风险和不活动状态的潜在影响。研究的总体目标还包含论证早期诊断与治疗在该患者群体中的重要性，从而为临床识别与干预提供依据。
【数据内容】
该数据集的主题标签为“Institutional Frail Elderly”，其研究内容围绕 BPPV 的患病率与发病率展开，同时涉及平衡问题、跌倒风险和不活动等结局或相关因素。源站描述中明确提及，研究的总体目标是识别机构内衰弱老年人中 BPPV 的患病率和发病率，以及该疾病对平衡问题、跌倒风险和不活动的影响。数据集在分类上属于耳鼻咽喉疾病下的良性阵发性位置性眩晕方向。除上述信息外，关于具体变量、样本量、随访时长、测量工具等细节，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述显示，其研究条件为“Institutional Frail Elderly”，即机构内衰弱老年人。数据集的英文名称为“Inactivity, Balance Problems and Fall Risk in Institutionalized Frail Elderly”。关于具体的采集方式、采集地点、采集时间、招募流程以及数据录入形式等，源站未提供。
【适用场景】
该数据集适用于关注机构内衰弱老年人眩晕与跌倒风险的研究场景，尤其是围绕良性阵发性位置性眩晕的患病率、发病率及其对平衡问题、跌倒风险和不活动影响的探索。也可用于支持早期诊断与治疗重要性的论证，或作为耳鼻咽喉疾病下良性阵发性位置性眩晕方向的参考数据。关于更具体的适用场景，如临床决策支持、流行病学调查或干预效果评估等，源站未提供。
【使用方法】
源站未提供具体的使用方法，包括数据获取方式、访问权限、分析流程或推荐工具等。
【质量与限制】
源站未提供关于数据质量、样本代表性、偏倚控制、缺失值处理或统计效力等方面的信息。该数据集聚焦于机构内衰弱老年人，其结论可能不适用于其他人群，但源站未对此作出说明。其他质量与限制相关信息，源站未提供。
【引用与许可】
源站未提供引用格式、许可条款或使用限制等信息。
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://clinicaltrials.gov/study/NCT02905292
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
条件：机构中的衰弱老年人。本研究的总体目标是确定衰弱老年人中良性阵发性位置性眩晕（BPPV）的患病率和发病率，以及其对平衡问题、跌倒风险和不活动的影响。研究者将证明在该患者群体中早期诊断和治疗的重要性。
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。
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。
