Beta项目：巴西攀岩者人口学与损伤模式
该数据集来自一项动态队列研究，追踪参与室内抱石的职业与休闲运动员，旨在调查其人口学特征与损伤模式随时间的变化。目前包含参与者基线的横断面信息，涵盖人口学资料（年龄、性别、体重、身高）、攀岩变量（经验年限、攀岩水平、抱石活动占比）、具体损伤（类型、部位、关节活动度比较）、生活方式因素（饮酒、吸烟、大麻
基本信息
资源简介
Beta项目：巴西攀岩者人口学与损伤模式
Beta Project: Boulder demographic and injury pattern in Brazilian Rock climbers
该数据集来自一项动态队列研究，追踪参与室内抱石的职业与休闲运动员，旨在调查其人口学特征与损伤模式随时间的变化。目前包含参与者基线的横断面信息，涵盖人口学资料（年龄、性别、体重、身高）、攀岩变量（经验年限、攀岩水平、抱石活动占比）、具体损伤（类型、部位、关节活动度比较）、生活方式因素（饮酒、吸烟、大麻使用、训练参与）以及攀岩偏好与限制。研究还计划持续收集健康信息，以识别常见损伤、分析风险因素，并在未来五年改进巴西抱石攀岩者的安全与训练方案（来源 DataONE，http://creativecommons.org/publicdomain/zero/1.0 许可）。
【数据内容】
源站描述（机器翻译，仅供参考）：这项动态队列研究追踪参与室内抱石的职业与休闲运动员，以调查其人口学特征和损伤模式随时间的变化。该数据集目前包含参与者基线的横断面信息，包括人口学信息（年龄、性别、体重、身高）、攀岩变量（经验年限、攀岩水平、抱石活动百分比）、具体损伤（类型、部位、关节活动度比较）、生活方式因素（饮酒、吸烟、大麻使用、训练参与）以及攀岩偏好/限制。此外，我们目前正在收集参与者的综合健康信息，旨在识别常见损伤、分析风险因素，并在未来五年内改善巴西抱石攀岩者的安全与训练方案，逐步更新数据集。
【主题与分类】
主题标签：Medicine, Health and Life Sciences、Range of Motion, Articular、Brazil、Athletic Injuries、Injury Epidemiology、Shoulder Injuries、Rock Climbing、Upper Extremity、Bouldering。本站分类：损伤、中毒及外因。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3A604e66a79775080d800b08a80f165c7cbccce9b381c90887d1e9d72e5e97e551
使用许可：http://creativecommons.org/publicdomain/zero/1.0。
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
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
这项动态队列研究追踪参与室内抱石的专业和业余运动员，以调查其人口学特征及随时间变化的损伤模式。该数据集目前包含参与者在基线的横断面信息，包括人口学信息（年龄、性别、体重、身高）、攀岩相关变量（经验年限、攀岩水平、抱石活动占比）、特定损伤（类型、部位、关节活动度比较）、生活方式因素（饮酒、吸烟、大麻使用、训练参与情况）以及攀岩偏好/限制。此外，我们目前正在收集参与者的综合健康信息，旨在识别常见损伤、分析风险因素，并在未来五年内改善巴西抱石攀岩者的安全与训练方案，同时逐步更新数据集。
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。
