COPD患者肌少症性肥胖患病率
源站描述指出，肌少症性肥胖是肥胖（脂肪量过多）与肌少症（肌肉量减少及功能下降）并存的临床功能状态，其诊断标准与切点长期缺乏统一意见，直至 2022 年 ESPEN/EASO 共识（Donini 等，2022）才由国际科学界共享
基本信息
资源简介
COPD患者肌少症性肥胖患病率
该数据集来自 clinicaltrials.gov，聚焦 COPD 患者中肌少症性肥胖（Sarcopenic Obesity）的患病率问题。源站描述指出，肌少症性肥胖是肥胖（脂肪量过多）与肌少症（肌肉量减少及功能下降）并存的临床功能状态，其诊断标准与切点长期缺乏统一意见，直至 2022 年 ESPEN/EASO 共识（Donini 等，2022）才由国际科学界共享。文献估计 COPD 患者肌少症患病率为 27%（He 等，2023）。数据可用于呼吸系统疾病相关患病率研究与临床功能状态分析（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：肌少症性肥胖、COPD。从文献综述来看，COPD 患者的营养过剩与营养不足均受到广泛关注，而肌少症性肥胖正获得越来越多的关注，这是一种临床功能状态，其特征是肥胖（以脂肪量（FM）过多为特征）与肌少症（定义为肌肉量减少和功能下降）并存。在文献中，肌少症性肥胖的诊断在诊断标准和切点方面尚无明确一致性。直到最近，2022 年才通过 ESPEN/EASO 共识 [Donini 等，2022] 确定了肌少症性肥胖的诊断标准，并得到国际科学界（肌少症性肥胖全球领导力倡议（SOGLI））的共享。COPD 患者中肌少症的患病率估计为 27%（He 等，2023）。具体而言，
【主题与分类】
主题标签：Sarcopenic Obesity、COPD。本站分类：呼吸系统疾病/其他。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06822504
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/NCT06822504
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：肌少症性肥胖、COPD。从文献综述来看，COPD患者中营养过剩与营养不良均受到广泛关注，而近年来对肌少症性肥胖的关注日益增加。肌少症性肥胖是一种临床功能状态，其特征为肥胖（以脂肪量（FM）过多为特征）与肌少症（定义为肌肉量减少和功能下降）并存。在文献中，关于肌少症性肥胖的诊断标准和截断值尚无统一意见。直到最近，2022年才通过ESPEN/EASO共识[Donini等，2022]确定了肌少症性肥胖的诊断标准，并得到国际科学界（肌少症性肥胖全球领导倡议（SOGLI））的认可。
COPD患者中肌少症的患病率估计为27%（He等，2023）。具体而言，在意大利人群中，目前已知COPD中肌少症的患病率为24%（De Blasio等，2018），而一般人群中肥胖个体的肌少症患病率为20%（Poggiogalle等，2026），但目前尚无近期研究显示意大利人群中COPD受试者中以ESPEN/EASO标准诊断的肌少性肥胖的患病率。本研究旨在应用ESPEN/EASO标准识别肥胖型肌少症患者，并计算COPD患者中肌少性肥胖的患病率。
最后，通过本研究，研究者旨在探讨肌少性肥胖对COPD患者呼吸功能（同时采用肺量计参数和超声参数研究膈肌）、运动表现、呼吸困难程度以及由此影响的生活质量的影响，强调对肌少性肥胖个体进行早期诊断的重要性，以便能够通过有针对性的营养策略进行干预，治疗COPD等显著影响生活质量和健康状况的慢性疾病患者。
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。
