术前生物标志物作为PJI两阶段翻修手术结局预测因子

数据集获取

源站：https://clinicaltrials.gov/study/NCT07358455

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：假体周围关节感染（PJI）。随着人口逐渐老龄化，已观察到骨骼骨折——尤其是股骨近端骨折——以及骨关节炎等退行性疾病的发生率显著增加，对于这些疾病，关节置换术是首选治疗方法。然而，该手术并非没有并发症；除了与潜在植入物位置不当相关的技术和机械问题外，最令人担忧的并发症之一是假体周围关节感染（PJI），其在临床管理和预后影响方面构成重大挑战。PJI的治疗策略从保留植入物并更换模块化组件的清创术（DAIR/DAPRI）到完全移除植入物并置入活动型间隔物，通常随后进行再植入手术。这些方法需要长期抗生素治疗方案，可能对肾功能产生负面影响，特别是在长期暴露于肾毒性药物的情况下。

尽管该问题具有临床相关性，但当前文献对于识别廉价且易获取、能够预测PJI治疗结局的生物标志物仍提供有限证据，尤其是在接受间隔物植入后行再植入术的患者中。近期文献越来越多地探索中性粒细胞与淋巴细胞比值（NLR）、血小板与淋巴细胞比值（PLR）、单核细胞与淋巴细胞比值（MLR）、全身炎症反应指数（SIRI）等生物标志物的应用，以刻画炎症与营养状态，并研究这些标志物与特定手术操作结局之间可能的关联。预测性标志物的可用性可通过降低感染复发风险和改善术后风险分层来优化治疗管理。

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。