信息速览

数据集名称COPS — 帕金森病症状连续观测：双腕加速度计与逐小时症状日记同步数据集

数据类型传感器数据,人工标注,时序数据

规模66 例帕金森病患者（男 41 / 女 25，平均年龄 58.66 岁）；会议摘要前身口径 65 例

接入方式双腕 GENEActiv 三轴加速度计原始波形（100 Hz，含光感与体表温度通道）+ 逐小时症状日记（运动状态 7 点/震颤 3 点/冻结步态二值/跌倒二值/用药时间/睡眠）+ 人口统计学与临床量表（UPDRS-III、Hoehn & Yahr、DBS 状态）

AI 就绪度

INFOBOX — COPS 一屏速览

维度内容

本质 帕金森病症状连续观测（Continuous Observation of Parkinsonian Symptoms）——单中心前瞻性观察性数据采集研究

团队德国科隆大学医院（University Hospital of Cologne）神经内科；通讯 Till Anselm Dembek

论文 Sci Data. 2026;13:587（doi:10.1038/s41597-026-06999-6；前身 Mov Disord 2023;38 suppl 1 摘要）

队列 66 例 PD 患者（男 41/女 25，平均 58.66 岁，平均病程 10.6 年）；会议摘要前身口径 65 例

设备 GENEActiv（Activinsights, UK）双腕佩戴，三轴加速度计，100 Hz，单位 g

附加通道光感（light）+ 体表温度（body temperature）——用于佩戴检测

日记逐小时：运动状态（7 点）/震颤（3 点）/冻结步态（二值）/跌倒（二值）/用药时间/睡眠

规模原始 430.6 天 → 质控后 393.8 天（91.5%）；清醒 268.3 天 + 睡眠 125.4 天

采集期 2022-09 – 2023-06；DRKS00028636；IRB Vote 21-1569

临床变量 UPDRS-III（含开/关状态）、Hoehn & Yahr、PD 亚型、侧别、STN-DBS 状态

许可 CC BY 4.0——OSF 项目公开直链（https://osf.io/5xvwn/）

库内互链 PADS 智能手表（rid=1018）、Daphnet FoG（rid=252）、gaitpdb（rid=242）、PPMI（rid=225）

COPS 是给帕金森病"波动"问题做的一份同步金标准账本：帕金森患者的运动症状在一天之内可以反复起伏十几次（药效初现的"开"期与药效消退的"关"期交替），而临床上通常只抓到门诊里那几分钟的横截面。传统上唯一能刻画这种真实世界波动的方法是让患者自己写症状日记，但日记主观、费事、且部分患者对自身运动症状自知力受损。COPS 的做法是把 66 位患者的两只手腕上都戴上加速度计，连续记录最多 7 天每秒 100 次的三维运动，同时让他们逐小时在日记上打勾——于是每一条主观感受，都对应着一段客观到毫秒级的手部运动波形。这份"主观标签 + 客观信号"的同步对照，正是训练和验证"可穿戴自动识别 PD 症状"算法所缺的那块拼图。

导语读法三则：

只想下数据：直奔 §6 获取与许可——CC BY 4.0，OSF 直接下载，注意同时下载日记模板与示例代码。
关心能做什么任务：直奔 §4 与 §5——运动状态分级、震颤识别、冻结步态检测、用药时间推断、睡眠/清醒切分，均可用同一套数据。
要做算法基准：直奔 §7 评估维度——本文是数据描述论文，没有固定 leaderboard，需自行设计划分（§9.3 给出建议）。

§0 导读：这个数据集解决什么问题

帕金森病（Parkinson’s disease, PD）最折磨人的不是症状本身，而是症状的波动：随着左旋多巴等药物在体内浓度起伏，患者一天里会在"能动"与"动不了"之间来回摆荡，还会间隙性出现不受控的震颤和冻结步态（freezing of gait, FoG）。医生想据此调药，但门诊一次只能看到几分钟的一个横截面；患者自述又常常记不准。文献早已指出，症状日记（symptom diary）虽是评估真实世界运动波动的金标准，却高度主观、对着记者依从性要求很高，且部分患者因疾病本身导致对自身运动症状的自知力受损——换句话说，最需要被监测的人，恰恰是最难准确自我报告的人。

可穿戴加速度计（accelerometer）提供了另一条路：体积小、佩戴可接受度高、能连续客观记录。大量患者甚至表示更愿意戴传感器而不是写日记。但要把传感器数据翻译成临床可懂的症状，必须先有一个"正确答案"来训练和检验算法——也就是同一批人、同一段时间内、传感器波形与症状日记严格同步的数据。已有公开的 PD 加速度计数据集普遍缺少这种与同步日记的对照，导致算法很难被公平验证。

COPS 正是冲着这个缺口来的：66 位患者（覆盖不同疾病阶段与表型，含接受脑深部电刺激 DBS 的患者），双腕佩戴 GENEActiv 三轴加速度计最多 7 天，院内院外两种场景都覆盖，逐小时填写症状日记，最终产出质控后 393.8 天（4096 余个同步小时）的对照数据，以 CC BY 4.0 在 OSF 完全公开。

§0 读法三则：

这个条目是"数据描述论文 + 开放数据集"二合一：本体是双腕加速度计波形 + 逐小时症状日记，理解它的关键是抓住"同步"二字——两份数据靠 1 小时分块对齐。
全文硬数字均出自 Sci Data 论文与 OSF metadata；论文（66 例）与会议摘要（65 例）存在口径差，已在坑点与附录 S 存照。
检索时注意官方 OSF 标题把 “Observation” 拼成了 “Oberservation”——这是官方笔误（§9 存照），按单词精确匹配会搜不到。

§1 数据集速览：十问十答

Q1：COPS 是什么的缩写？
Continuous Observation of Parkinsonian Symptoms，中文可译"帕金森病症状连续观测"。它既是一项临床研究（前瞻性观察性数据采集），也是这项研究产出的开放科学数据集的名字。

Q2：谁做的、在哪做的？
德国科隆大学医院（University Hospital of Cologne）神经内科团队，通讯作者 Till Anselm Dembek，第一作者 Tom P. R. Nesser。全部受试者从该院神经内科门诊和/或住院部招募，属单中心研究。

Q3：多少人、戴多久？
论文最终分析队列 66 例 PD 患者（男 41 / 女 25，平均年龄 58.66 岁，平均病程 10.6 年）。每人双腕佩戴最多连续 7 天。注意 2023 年发表的会议摘要是该研究的"前身"，当时口径为 65 例。

Q4：用的是什么设备、什么参数？
GENEActiv（英国 Activinsights 公司）腕表式三轴加速度计，左右腕各一枚，采样率 100 Hz，以 g（约 9.81 m/s²）为单位。设备除三轴加速度外还记录光感和体表温度——后两者主要用来判断手表在某一时刻是否真的戴在腕上。

Q5：日记里都记什么？
逐小时打勾记录：① 运动状态（kinetic state，7 点量表）；② 震颤（tremor，3 点量表）；③ 冻结步态（有/无）；④ 跌倒（有/无）；⑤ PD 相关用药的摄入时间点；⑥ 自己的睡眠作息。日记原为纸质，数据集内附 docx 与 pdf 模板。

Q6：数据量有多大？
原始记录 430.6 天，经缺失与合理性筛查后保留 393.8 天（91.5%） 高质量同步数据，其中清醒期 268.3 天、睡眠期 125.4 天。

Q7：为什么要"同步"？
因为本研究的目的正是拿症状日记当"金标准"，检验加速度计能否客观还原患者的真实症状状态。只有波形与日记在时间上严格对齐，才能把"某小时的加速度信号"映射到"某小时的主观症状"。

Q8：数据以什么许可、在哪获取？
CC BY 4.0，托管在 Open Science Framework（OSF），项目地址 https://osf.io/5xvwn/，项目 DOI 10.17605/OSF.IO/5XVWN。完全公开，无需申请。

Q9：适合做什么任务？
运动状态（开/关/中间态）分类、震颤识别与分级、冻结步态检测、跌倒事件检测、用药时间推断、清醒/睡眠切分——这些都是论文点的方向。

Q10：为什么它对 AI-Ready 有价值？
它是库内唯一同时提供"双腕高频原始加速度波形"与"逐小时主观症状金标准对照"的 PD 数据集，且许可完全开放（CC BY 4.0）、获取零门槛。对时间序列建模、多通道传感器融合、数字生物标志物验证都是稀缺资源。

Q11：数据里有没有影像或语音？
没有。COPS 只有三类传感通道（三轴加速度、光感、体表温度）与日记/临床表，是纯粹的"运动传感 + 临床标注"数据集。

Q12：一个人大概有多少小时数据？
总量 393.8 天 ÷ 66 例 ≈ 平均每例约 6 天（清醒 + 睡眠合计约 143 小时）。但个体差异大，有的接近 7 天满，有的因缺失较短。

Q13：能拿它训练通用人体活动识别（HAR）模型吗？
可以尝试，但 COPS 的标签是"帕金森症状"而非"走路/坐下/爬楼"等活动类别，与标准 HAR 数据集（如 UCI HAR）的标签体系不同。若目标是 HAR，需自行映射或另寻数据集。

§2 数据构成与规格

2.1 队列构成与入组

COPS 的入组标准刻意宽松，只有三条：① 有医疗报告支持的 PD 诊断；② 能签署书面知情同意；③ 年龄大于 18 岁。除此之外未设任何额外纳入或排除标准，目的正是纳入一个疾病阶段与运动表型都尽量宽泛的队列。

维度	数值
分析队列	66 例（男 41 / 女 25）
平均年龄	58.66 岁
平均病程	10.6 年
采集场景	住院（inpatient）+ 家庭（outpatient）两类，部分患者两类都覆盖
泵治疗（pump therapy）	无（全队列均未接受）
DBS（STN 脑深部电刺激）	含多位 DBS 患者（论文摘要称 “many”，确切例数未披露）
采集期	2022-09 – 2023-06

对使用者的含义：这个队列"宽而不深"——它覆盖了从相对早期到病程超十年、从纯药物治疗到 DBS 手术的多种状态，适合检验算法的鲁棒性；但正因为入组宽松，任何亚组结论（如"震颤型 vs 强直迟缓型"）都会因组内人数偏小而统计力有限。务必先看数据集内每位受试者的临床字段再设计分组。

2.2 设备与信号通道

属性	规格
设备型号	GENEActiv（Activinsights, Kimbolton, United Kingdom）
佩戴位置	双腕（左右腕各一枚），表带式
核心信号	三轴加速度（x / y / z），单位 g（约 9.81 m/s²）
采样率	100 Hz
附加通道	光感（light）+ 体表温度（body temperature）——用于佩戴状态检测
本地存储	设备本地存储，容量可支持连续录制约一周
最长佩戴	7 天

选择 GENEActiv 的一个关键理由是泛化性考虑：团队刻意选择仅带加速度计的设备（而非更复杂的高端系统），因为三轴加速度计是市面上最普及的传感形态，这样从 COPS 得出的结论更容易迁移到其他设备上。论文也援引 GENEActiv 已被广泛用于医学研究、且其数据可靠性在多项既往研究中得到证实，在震颤分类等任务上表现与专业医疗级设备相当。

2.3 症状日记的结构与量表

症状日记是本研究定义的"金标准"标注层。表 1 列出全部条目：

日记条目	量表/形式	说明
运动状态（kinetic state）	7 点量表	记录前一个小时内的主要状态
震颤（tremor）	3 点量表	有无及强度
冻结步态（freezing of gait）	二值（有/无）	是否发生
跌倒（falls）	二值（有/无）	是否发生
用药摄入	时间点（timepoints）	PD 相关药物何时服用
睡眠作息	时段	记录各自作息

填写频率为逐小时自评，通过打勾（tick marks）完成。日记为纸质，数据集内提供 docx 与 pdf 两种格式的模板，可直接用于复现或本地化。

为什么这些条目重要：运动状态（开/关）是波动研究的核心；震颤与 FoG 是最具临床意义的两个运动症状；跌倒是最需要预防的安全事件；用药时间与睡眠则是解释波形变化的关键上下文（例如"关"期往往出现在服药后一段时间）。这套条目设计相当于给每条加速度波形贴了一张多维临床标签。

2.4 数据量与时间覆盖

统计项	数值	占比
原始记录总量	430.6 天	100%
质控后高质量同步数据	393.8 天	91.5%
清醒期（awake）	268.3 天	约 68.1%（占质控后）
睡眠期（asleep）	125.4 天	约 31.9%（占质控后）

质控流程：团队逐段目视检查，识别设备离开手腕的时段并标记为缺失；缺失与不合理数据被整体剔除。光感与体表温度通道在这里起到"佩戴检测器"的作用——温度接近体温且光感有变化，才判定设备仍在佩戴。约 8.5% 的数据损失主要来自脱腕与记录异常。

口径提醒：会议摘要（2023）给出的口径是"超过 365 天的同步数据"和"65 例患者"，论文终值则是 393.8 天与 66 例——两者是研究前身与终稿的关系，不是矛盾，详见附录 S。

2.5 数据的四层组成

数据集在 OSF 上按以下层次组织：

人口统计学与临床资料：每位受试者的年龄、性别、PD 亚型、侧别、病程、UPDRS-III 评分（含开/关状态及 DBS 状态信息）、Hoehn & Yahr 分期。
逐小时加速度计原始数据：按小时切分对齐的三轴波形（含光感与温度通道），CSV 格式。
症状日记数据：数字化后的逐小时症状记录（运动状态/震颤/FoG/跌倒/用药/睡眠）。
辅助材料：数据概览图、docx/pdf 日记模板，以及用于读取与处理的示例代码。

这种"临床表 + 波形 + 日记 + 工具"的四层打包，使数据集不仅能被"看"，还能被直接"跑"——使用者拿到即可写脚本做对齐与建模，不必从零拼装元数据。

2.6 场景构成：住院与居家的混合

一个容易被忽视但影响很大的设计点是：COPS 的受试者可能在住院（inpatient）、居家（outpatient），或两者兼有的条件下完成佩戴。这不是瑕疵，而是刻意的覆盖面设计——论文的目标是评估"真实生活（everyday life / real-life）"中的症状，而非实验室或病房的受控条件。

两种场景的信号特征差异明显：

场景	空间	活动内容	信号特征
住院	受限	病房内走动、治疗、卧床	活动量偏低、模式规律
居家	自由	家务、外出、社交	活动量高、模式多样

实践建议：由于场景会系统性影响活动量水平，跨受试者建模时若把场景当作无关变量，会把"场景差异"误当成"症状差异"。正确的做法是记录或推断场景，并在分析中分层。数据集中部分受试者同时覆盖两场景，这本身也提供了"同一人在不同环境下"的珍贵对照。

2.7 队列的临床多样性

COPS 的入组宽松带来了显著的临床多样性，可用以下维度刻画：

疾病阶段：从相对早期到病程超过 10 年（平均 10.6 年）的广泛分布。
运动表型：涵盖不同 PD 亚型（震颤为主型、姿势不稳/步态障碍型、强直迟缓型等）。
症状侧别：记录 lateralization，即症状以哪一侧为著。
治疗方式：既含纯药物治疗者，也含接受 STN-DBS 的患者；全队列无泵治疗。
量表状态：UPDRS-III 同时记录开期与关期评分，可反映波动幅度。

这种多样性使 COPS 适合做"算法是否对不同阶段/表型都稳健"的检验——但也意味着任何单一亚组的样本都不会很大，做亚组分析时须谨慎解读统计显著性。

2.8 与"标准 PD 队列"的对照

为了帮使用者判断 COPS 是否适合自己，下表把它与典型 PD 研究队列做一对照：

属性	COPS	典型大样本 PD 队列（如 PPMI）
样本量	66	数千
中心数	1	多中心/跨国
数据模态	可穿戴加速度计 + 日记	临床/影像/组学等多模态
时间分辨率	100 Hz 连续	访视点离散
随访	单次 7 天佩戴	多年纵向
标签粒度	逐小时症状日记	临床量表
获取	CC BY 4.0 直链	申请制

结论：COPS 与大队列不是竞争关系而是互补关系——大队列回答"疾病长期轨迹"，COPS 回答"症状在一天内如何起伏"。

2.9 数据质量的关键保证

COPS 在质量保证上做了几件关键的事，值得使用者知晓：

时间对齐：所有波形按 1 小时分块与日记条目对齐，避免"波形与标签错位"。
佩戴检测：用体表温度与光感判断设备是否在腕，剔除脱腕时段。
合理性筛查：对缺失与不合理数据做整体剔除，而非盲目填充。
透明披露：明确报告 91.5% 的保留率与 8.5% 的损失，让使用者了解缺失规模。

这四条共同构成了 COPS 可信度的基础——数据论文的价值不仅在于"数据多"，更在于"数据的边界被讲清楚了"。

§3 研究设计与方法：这份数据是怎么"造"出来的

3.1 研究性质与注册

COPS 是一项单中心、前瞻性、观察性数据采集研究（single-centre, prospective, observational data acquisition study）。它的首要目标不是回答某个临床假设，而是"创建一个同步症状日记与双腕三轴加速度计的开放科学数据集，外加支撑性的人口统计学与临床信息"。

合规链条完整可查：

环节	信息
伦理审批	科隆大学机构审查委员会（IRB），Vote 21-1569
临床试验注册	德国临床试验注册中心 DRKS00028636
伦理声明	遵循《赫尔辛基宣言》
知情同意	全部受试者在参与前签署书面知情同意
数据采集期	2022 年 9 月 – 2023 年 6 月
资助	德国研究基金会（DFG）SFB 1451，Project-ID 431549029

对使用者的意义：IRB 编号、注册号、资助号齐全，说明数据治理规范，可用于需要伦理溯源的研究场合。

3.2 采集流程

流程可以概括为"佩戴—记录—回收—对齐"四步：

佩戴：受试者双腕各戴一枚 GENEActiv，连续佩戴最多 7 天，住院或居家均可；部分患者同时覆盖院内与院外两种场景。
记录：佩戴期间逐小时填写纸质症状日记（运动状态/震颤/FoG/跌倒/用药/睡眠）。
回收：住院患者当场交回日记与设备；门诊患者通过邮寄归还。
数字化与对齐：
- 纸质日记先用 Microsoft Excel 录入，再用自定义 Matlab 脚本转成 csv；
- 加速度计数据用配套软件导出为 csv；
- 进一步的质控与分析均用自定义 Matlab 脚本完成；
- 最终把加速度计数据按 1 小时分块，与逐小时日记条目在时间戳上对齐。

对齐是这份数据集的技术核心。"1 小时分块"意味着每条日记记录对应一段 1 小时的加速度波形；使用者若把分块与日记逐条连接，就能得到"一小时波形 → 一个临床标签"的监督学习样本。当然，如果要做更细粒度的事件检测（如单次 FoG 发作的秒级定位），则需要回到原始 100 Hz 波形并自行设计更细的对齐策略。

3.3 研究目的的双重性

论文明确本研究有两个层面的目标：

方法层面：验证"加速度计能在日常生活中客观、连续地评估 PD 运动症状严重度"。论文结论段称，加速度计可在不同场景下实现客观连续的运动症状评估。
临床层面：帮助医生在真实世界中补全"运动症状控制全景图"，从而辅助临床决策（尤其是调药）。

但论文也坦承，本研究当前并未交付面向患者的现成设备或 App——它提供的是"原材料"，供他人开发与验证算法。若算法成功，未来才可能减少纸质日记负担、让医生看清患者每一天的"好时段与坏时段"。

3.4 与既往研究的差异

论文在背景部分点出了既有工作的三个共性局限，COPS 的设计正是逐条回应：

既有局限	COPS 的应对
队列小、高度选择（small, highly selected）	入组标准极宽（仅 3 条），纳入 66 例覆盖多阶段/多表型
缺乏长期佩戴依从性数据	连续 7 天，记录并披露依从性与缺失率（保留 91.5%）
缺乏与同步症状日记的对照	核心设计即"波形 + 逐小时日记"严格同步

正是第三点使 COPS 区别于库内其他 PD 可穿戴数据集（见 §9）。

3.5 采集的实操细节

数据采集的落地执行涉及若干工程细节，这些细节决定了数据的质量下限：

设备配发与佩戴指导：每位受试者领取左右各一枚 GENEActiv。佩戴位置固定在手腕（watch-style），需保证设备与皮肤接触良好——这直接关系到体表温度通道能否可靠地反映佩戴状态。

日记填写的规范化：纸质日记通过打勾（tick marks）记录，而非自由书写。这是刻意的设计——打勾降低了患者的认知负担，也避免了手写体导致的数字化歧义。日记中用固定量表（7 点 / 3 点 / 二值）而非主观描述，便于后续统一编码。

回收方式的双轨：住院患者在院内当场回收；门诊（居家）患者则通过邮寄归还。邮寄回收意味着数据回收周期更长、设备丢失风险更高，这也是造成部分数据缺失的潜在原因之一。

数字化的标准化：纸质日记先录入 Excel，再用自定义 Matlab 脚本转 csv——两步走的目的是让录入错误可在 Excel 阶段被人工核查，而格式转换则完全自动化，减少人为介入。

时间戳的对齐基准：由于纸质日记记录的是"整点附近"的状态，而加速度计是连续的高频数据，二者对齐的基准是"小时"。这也是最终数据以 1 小时为分块单位的原因。

3.6 研究局限性的自我披露

论文在讨论中主动披露了若干局限性，使用者应据此校准预期：

单中心：全部来自科隆大学医院，代表性受限。
样本量：66 例属于中等规模，亚组分析受限。
日记的主观性：作为金标准的日记本身带噪。
佩戴依从性：8.5% 的数据因缺失/异常被剔除。
无固定评测协议：作为数据论文，不提供统一基准。

这种"自曝短板"的做法在数据论文中是良性的——它让使用者清楚数据的"适用边界"，避免过度外推。

§4 信号与标注：能训练什么

4.1 原始信号通道

每条记录包含以下通道，均为 100 Hz 连续采样：

通道	类型	用途
acc_x / acc_y / acc_z	三轴加速度（单位 g）	运动学主信号
light	光感	佩戴检测辅助、昼夜线索
temperature	体表温度	佩戴检测辅助

双腕意味着同一受试者同一时刻有两路三轴信号——这对 PD 尤其有意义：震颤、运动迟缓往往在症状较重的一侧更明显，左右腕对比本身就是一个可利用的特征维度（论文临床资料里也记录了 lateralization 侧别信息）。

4.2 标注层：逐小时多任务标签

症状日记提供的是一组多任务、逐小时的标签：

运动状态（kinetic state）：7 点量表——粒度最细、门槛最高的任务。它刻画的是"开/关/中间态"的连续谱，是运动波动研究的核心目标。
震颤（tremor）：3 点量表——二分类/三分类的震颤识别任务。
冻结步态（FoG）：二值——事件检测类任务，且样本极度不平衡（FoG 事件稀疏）。
跌倒（falls）：二值——安全相关事件检测，同样稀疏。
用药时间：时间点——可用于建模"服药 → 开期"的延迟与个体差异。
睡眠作息：时段——清醒/睡眠切分、昼夜节律研究。

4.3 可衍生的任务清单

基于上述信号与标签，使用者至少可以做以下几类工作：

运动状态回归/分类：从 1 小时双腕波形预测 7 点运动状态。
震颤检测与分级：从波形识别震颤并判定强度档位。
冻结步态事件检测：在 100 Hz 波形上定位 FoG 发作的秒级区间。
跌倒检测：基于突发加速度模式识别跌倒。
用药时间与开/关周期的因果建模：把用药时间、症状状态、波形变化三者联合建模。
清醒/睡眠自动切分：用加速度 + 温度 + 光感做睡眠分期。
左右腕不对称性分析：结合侧别信息研究症状偏侧化。
数字生物标志物提取：如活动量、步数代理指标、腕部运动熵等，再与 UPDRS-III 关联。

4.4 标注的可靠性边界

必须清醒认识日记标注的三个固有弱点（论文自身也承认）：

主观性：日记是患者对"前一小时主要状态"的回忆式自评，存在回忆偏倚。
依从性门槛：按时逐小时打勾对患者的教育水平与专注度有要求，容易产生"日记疲劳"。
自知力问题：部分 PD 患者因疾病影响，对自身运动症状的感知本身就不准确。

因此，把日记当作绝对 ground truth 是有风险的。更稳妥的用法是：把日记标签视作"带噪监督信号"，并对噪声做敏感性分析（例如同时报告"以日记为标签"与"以波形自监督"两套结果的差异）。

4.5 多任务的标签耦合

COPS 的六个日记条目并非彼此独立，它们之间有真实的临床耦合关系，利用好这层结构能提升建模效果：

运动状态 ↔ 用药时间：开期通常滞后于服药一定时间，关期则出现在下一次给药前后。用药时间戳为运动状态的时序建模提供了关键协变量。
震颤 ↔ 运动状态：震颤常在特定状态下更明显，二者存在联合分布，可做多任务联合学习。
FoG ↔ 运动状态：FoG 多发于关期，因此在"关期"子集内做 FoG 检测，正样本比例更高、任务更易学。
跌倒 ↔ FoG：跌倒往往与 FoG 或姿势不稳相关，二者可互为上下文特征。
睡眠 ↔ 其余全部：睡眠期与清醒期的波形分布截然不同，应先做睡眠/清醒切分，再在清醒段内做症状任务。

建模建议：不要把这六个任务当作六个孤立问题分别硬做，而应构建一个多任务联合模型，让共享的波形表征同时在多个标签上优化。这既符合临床事实，又能缓解个别任务标签稀缺的问题。

4.6 时序特征工程的落点

在 1 小时窗口内，可提取的经典时序特征至少包括：

特征族	示例	与症状的关联
幅度统计	均值/标准差/极差/RMS	活动量、运动迟缓
频域	主频、谱熵、各频带能量比	震颤（特征性 4-6 Hz 频段）
时域复杂度	样本熵、近似熵	运动规律性
相关性	三轴间相关	运动方向性
左右对称	左右腕特征比	偏侧化、不对称
佩戴状态	温度/光感	数据有效性

其中频域特征对震颤尤其关键——PD 静止性震颤的典型频率在 4-6 Hz 区间，因此对加速度信号做带通与频谱分析是震颤任务的标准做法。

4.7 与"自由生活"监测的差异

COPS 覆盖住院与居家两类场景，但都不是严格的实验室条件。这带来两面性：

优势：数据是"真实世界"的，算法若在 COPS 上work，迁移到真实临床场景的可信度更高。
挑战：真实世界充满不可控变量（房间大小、活动内容、穿鞋类型、陪同者），同一症状在不同场景下的波形表现可能有差异，增加了模型的方差。

使用者应把"场景"作为显式变量处理，而非默认场景同质。

§5 数据组织与工程细节

5.1 文件组织

OSF 项目按受试者组织，每位受试者下含其临床资料、逐小时加速度计数据与日记数据。原始波形以 CSV 存储——这是刻意的工程选择：CSV 通用性最强，任何语言（Python/R/MATLAB）都能直接读，无需专用 SDK。代价是文件体积较大、读取效率低于二进制格式，使用时建议先转成 Parquet/NPZ 等格式再训练。

5.2 时间对齐的工程含义

"1 小时分块"意味着数据集同时在两个时间尺度上提供信息：

粗尺度（1 小时）：与日记条目一一对应，适合症状状态分类。
细尺度（100 Hz 原始）：保留全部波形细节，适合事件检测与信号特征提取。

使用者常犯的错误是只用一个尺度：只取分块统计量会丢失 FoG/跌倒等短事件的信息；只盯着原始波形又没有现成标签可对齐。正确的做法是把两个尺度串联——先在 100 Hz 上做事件/特征提取，再聚合到小时尺度与日记标签对接。

5.3 佩戴检测与时序缺口

由于光感与体表温度通道的存在，佩戴检测（wear-time detection）是可做的：温度接近体温 + 光感有变化 ≈ 设备在腕上；温度掉到环境温度 ≈ 已脱腕。团队据此把脱腕时段标为缺失。使用者重建时间序列时，务必把这些缺失段显式处理（如掩码或插值），否则会引入"设备没戴"被误当成"患者没动"的偏差——这是可穿戴数据最常见的暗坑之一。

5.4 采集场景的混合

受试者可能在住院、居家，或两者兼有。这两类场景的运动模式差异很大：住院环境活动受限、空间小；居家环境自由度高、活动丰富。因此同一队列内的波形分布本就存在场景异质性。做跨受试者建模时，若能把"场景"作为协变量或分层因子，会显著提升结论的稳健性。

5.5 与 DBS 相关的注意点

队列中含接受 STN-DBS 的患者。DBS 会显著改变运动症状表现（可能抑制震颤、改善运动迟缓），其波形分布与纯药物治疗患者可能不同。论文将 DBS 状态作为临床变量记录，因此使用者应把 DBS 状态纳入分层或作为特征，避免把 DBS 引起的信号差异误读为疾病进展。

5.6 数据完整性速查

检查项	结论
是否公开直链	是（OSF，CC BY 4.0）
是否含原始波形	是（100 Hz 三轴 + 光感 + 温度）
是否含临床量表	是（UPDRS-III / Hoehn & Yahr / 亚型 / 侧别 / DBS）
是否含标签	是（逐小时多任务症状日记）
是否有官方划分	否（数据描述论文，无 train/test 划分）
是否有示例代码	是（OSF 附处理示例）

5.7 从原始 CSV 到训练样本的转换路径

一个常见的问题是"拿到 CSV 之后第一步做什么"。推荐的标准转换路径如下：

原始 CSV（100 Hz，逐受试者逐腕）
  → 单位确认（g / m/s²）与时间戳解析
  → 佩戴检测（温度 + 光感）→ 缺失掩码
  → 按小时分块聚合（时域/频域特征）
  → 与日记表 join（subject_id + hour）
  → 得到 (特征, 多任务标签) 样本表
  → 受试者级划分 → 训练/验证/测试

这条路径的关键在于先把时间对齐做对，再谈建模。许多初学者一上来就训练深度模型，结果因对齐错误（如时区偏移、小时边界错位）导致模型学到的是噪声。

5.8 存储与计算预算

粗略估算：100 Hz × 3 轴 × 7 天 × 双腕 ≈ 每例数亿个采样点。若以文本 CSV 存储，单例可能达数百 MB 量级；66 例整体在数 GB 至十几 GB 级别。因此：

磁盘：建议预留充足空间，或先只取需要的受试者。
内存：不要一次性全载入，用流式/分块读取。
计算：特征提取是 CPU 密集型，可用多进程按受试者并行。
格式：转 Parquet/NPZ 可显著减少体积并加速随机读取。

（注：上述为基于采样率的量级估算，实际文件体量以 OSF 页面为准，见 §9 遗留疑点。）

§6 获取与许可：零门槛的开放数据

6.1 许可与获取方式

COPS 的获取极其简单，是本库"高可获取性"一类的代表：

项目	内容
许可证	CC BY 4.0（CC-By Attribution 4.0 International）
托管平台	Open Science Framework（OSF）
项目地址	https://osf.io/5xvwn/
项目 DOI	https://doi.org/10.17605/OSF.IO/5XVWN
获取方式	公开直链，无需申请、无需审批、无需签署额外协议
费用	免费
允许用途	CC BY 4.0 允许商用，唯一要求是署名

CC BY 4.0 的含义：这是最宽松的一类知识共享许可。你可以复制、分发、改编、甚至商业使用这些数据，只要在使用时给出适当署名（引用论文与 OSF 项目）。对本数据集而言，署名建议同时引论文（Sci Data 13:587）与 OSF 项目 DOI。

6.2 数据集包含什么

下载内容按文件层次包括：

受试者人口统计学与临床资料（年龄、性别、PD 亚型、侧别、病程、UPDRS-III、Hoehn & Yahr、DBS 状态）。
逐小时加速度计数据：双腕三轴波形（100 Hz，含光感与温度通道），CSV。
症状日记数据：数字化后的逐小时记录。
数据概览图：帮助快速理解数据结构。
日记模板：docx 与 pdf 两种格式。
示例代码：用于读取与处理数据。

6.3 引用与署名

使用本数据集时建议同时给出：

论文引用：Nesser TPR, van der Linden C, Schedlich-Teufer C, et al. Continuous observation of Parkinsonian symptoms using symptom diaries & wearable accelerometry. Sci Data. 2026;13:587. doi:10.1038/s41597-026-06999-6
数据集引用：COPS - Continuous Observation of Parkinsonian Symptoms. Open Science Framework. doi:10.17605/OSF.IO/5XVWN

6.4 AI-Ready 评估：开放数据的满分样本

在"AI 就绪度"这一维度上，COPS 几乎无可挑剔：许可开放（CC BY 4.0）、获取零门槛（公开直链）、格式通用（CSV）、含原始信号与标签、附示例代码。它的 AI-Ready 短板只在规模（66 例、393.8 天）与单中心（泛化性）上——这是所有单中心前瞻性研究的共性代价，不是数据工程问题。

6.5 与库内可获取性光谱的对照

本库数据集的获取门槛构成一条光谱：一端是完全公开直链（如 COPS、多数 UCI/Kaggle 数据集），另一端是请求制/申请制（如 PANDA-PLUS 的注释掩码需邮件申请）。COPS 稳稳落在"完全公开"一端，对于需要快速验证想法、或教学演示的场景是理想选择——不用等审批。

6.6 工程接入建议

从"拿到数据"到"跑起来"，有几个工程上的注意点：

先小后大：CSV 原始波形体积大，先只下载 1-2 位受试者跑通读取与对齐流程，再批量处理。100 Hz × 7 天 × 双腕的数据量不容小觑。
转格式提效：把 CSV 转成 Parquet/NPZ，训练时随机读取会快很多。
统一时间轴：把每个受试者的时间戳转换为相对佩戴起点的小时偏移，避免绝对时间带来的时区/夏令时问题。
缓存中间结果：佩戴检测、小时聚合等中间步骤结果落盘，避免每次重算。
校验完整性：读入后先统计每位受试者的有效小时数，与论文口径（~393.8 天总量）对照，及早发现下载不全。

6.7 与论文的引用关系

使用 COPS 时，若论文被引用不足可能导致后续读者难以复现。建议在方法节明确写出论文 DOI 与 OSF 项目 DOI，并在数据可用性声明中给出 OSF 链接，使他人可一键定位。

§7 评估维度：没有排行榜的基准怎么用

7.1 为什么没有 leaderboard

COPS 是一篇数据描述论文（data descriptor），其任务不是"在某个固定任务上刷分"，而是"提供一个能被别人拿去做各种任务的资源"。因此论文不设官方排行榜、不提供固定 train/test 划分、也不规定统一评测协议。这不是缺陷，而是数据论文的标准形态。

7.2 论文自身给出的质量维度

论文用以下维度评价数据质量与可用性：

维度	结论
同步性	加速度计与日记按 1 小时分块时间戳对齐
完整性	质控后保留 91.5%（393.8 / 430.6 天）
时间覆盖	清醒 268.3 天 + 睡眠 125.4 天，含院内/院外两场景
广度	入组宽松，覆盖多疾病阶段与表型，含 DBS 患者
技术可信度	GENEActiv 为经验证的科研级加速度计，震颤分类等任务表现与医疗级设备相当

7.3 使用者应自建的评测协议

由于没有官方划分，使用者需要自行设计评测，建议：

受试者级划分（subject-wise split）：训练集与测试集的受试者不重叠——这是可穿戴研究中防止"数据泄漏"的铁律，因为同一人的波形高度自相关，若随机按小时划分会造成严重高估。
场景分层：把院内/院外作为分层因子，分别报告。
DBS 分层：把 DBS 与非 DBS 分开或作为协变量。
多任务并列报告：运动状态（回归/序数分类）、震颤（分类）、FoG（不平衡二分类）分别报告，并给出不平衡处理策略（如 PR-AUC 而非仅 ROC-AUC）。
缺失显式处理：报告缺失率与处理方式。

7.4 合理的基线任务

论文的方向性结论是"加速度计可实现 PD 运动症状的客观连续评估"，因此合理的基线任务包括：

从小时波形预测运动状态（7 点序数回归 / 分类）。
从波形检测震颤并分级。
从波形检测 FoG。
从波形检测跌倒。
清醒/睡眠二分类。

这些任务没有公认的"标准答案分数"，因此报告时应强调方法的自洽性与可复现性，而非绝对数值。

7.5 报告规范建议

为了让 COPS 上的结果可被公平比较，建议在论文/报告中固定披露以下信息：

披露项	说明
划分方式	受试者级划分，附随机种子
纳入受试者	使用了几例、剔除了几人及原因
有效样本量	小时级样本数与各任务正样本比例
缺失处理	佩戴检测规则与缺失率
特征/模型	特征清单或网络结构
指标定义	每个任务的指标与不平衡处理
分层报告	是否按 DBS/场景分层
复现路径	代码与预训练权重链接

7.6 为什么"没有排行榜"反而是好事

有人会担心"没有排行榜就无法比较"。但对 COPS 这类多任务数据集而言，强行设一个单一榜单反而会误导——不同任务的价值不该被一个总分掩盖。研究者应针对自己关心的临床问题选择任务与指标，而不是为一个虚构的"总榜"优化。没有排行榜意味着更贴近真实研究需求。

7.7 从数据到临床的转化门槛

即便算法在 COPS 上表现优异，要真正进入临床仍需跨越多道门槛：

外部验证：在另一中心、另一设备上复现。
前瞻性试验：验证基于算法的干预是否真的改善结局。
监管：作为医疗器械软件（SaMD）需合规审批。
临床工作流整合：算法输出必须能被医生实际使用。

COPS 解决的是这链条的第一步——提供可信的训练/验证数据。把它误当成"临床产品"是常见的过度解读。

§8 方法学启示：可穿戴 PD 数据的三条经验

8.1 "主观日记 + 客观传感器"的同步是稀缺资源

可穿戴研究最大的瓶颈从来不是传感器精度，而是标签。COPS 的价值不在于传感器多先进（GENEActiv 是成熟设备），而在于它把主观金标准与客观信号严格同步。任何想训练"从波形推症状"算法的团队，都先得有这种同步数据——这正是 COPS 的不可替代性。

8.2 入组宽松换广度、牺牲深度

COPS 用"仅三条入组标准"换来了疾病阶段与表型的广度，代价是各亚组样本偏小、无法做组间强结论。这是一种刻意的取舍：数据采集研究优先保证"资源普适性"，个体化的临床结论留给后续研究。使用者在设计分析时应尊重这一取舍——把 COPS 当作"通用原材料"而非"某个亚组的证据"。

8.3 泛化性优先于尖端设备

团队刻意选用"仅带加速度计"的普及型设备，理由明确：“三轴加速度计广泛可得，因此从本数据集得出的结果更易推广到其他设备”。这是一个值得所有可穿戴数据集学习的方法论选择：用普及设备保证可迁移性，而不是用高端设备追求局部精度。

8.4 透明的缺失披露

COPS 明确报告了 8.5% 的数据损失并给出质控流程，而不是假装数据完美。这种透明性对使用者至关重要——它让你知道缺失不是随机的（脱腕往往与睡眠、洗澡、症状严重度相关），从而在建模时正确对待。

8.5 单中心是限制也是诚实

66 例全部来自德国科隆一家医院，论文并不讳言这是单中心。对使用者的实际含义：跨中心/跨人群泛化必须额外验证。这是 COPS 相对 PPMI（多中心、跨国、数千例）的最大区别，也是选择数据集时的关键权衡（见 §9）。

§8.5 临床与研究意义：为什么"波动"值得被量化

8.5.1 运动波动是 PD 治疗的核心难题

PD 的药物治疗以左旋多巴为主，但长期用药后会出现"剂末现象"和"开-关波动"：患者每天在药效覆盖的"开期"与药效消退的"关期"之间反复摆荡。调药的关键在于判断患者到底在什么时段处于什么状态——而这恰恰是门诊几分钟看不到的。COPS 把"状态"逐小时记录下来，等于给医生提供了一份真实世界的时间预算表。

8.5.2 关期带来的连锁风险

关期不仅意味着"动不了"，还伴随更高的跌倒、FoG 与生活能力下降风险。若能自动识别关期时段，就可以支持：

个体化给药时机优化：依据患者的真实关期模式调整给药间隔。
风险预警：在易发 FoG/跌倒的时段提示患者与照护者。
疗效评估：客观量化"治疗前后关期时长变化"，替代主观回忆。

8.5.3 无创、低负担的监测范式

相比需要植入或佩戴多名目复杂设备的方案，COPS 用的只是两块腕表。低负担意味着更高的长期依从性——这是"数字疗法"能否落地的决定性因素之一。论文援引的既有研究也表明，多数患者宁愿戴传感器也不愿写日记。

8.5.4 对算法研究的直接价值

对机器学习研究者而言，COPS 提供的是一组"临床上重要的多任务时间序列标签"。它天然适合研究：

弱监督/标签噪声下的学习（日记是带噪标签）。
类别极度不平衡的事件检测（FoG/跌倒）。
序数回归（运动状态、震颤分级本质是序数）。
多模态/多通道融合（双腕 + 温度 + 光感）。
个体化/联邦式模型（每人波形分布不同，是天然的个性化基准）。

§8.6 使用路线图：从下载到出结果

一条可操作的最短路径（约一天内可跑通基线）：

下载：从 OSF 取加速度计 CSV、日记数据、临床表与示例代码。
理解结构：读数据概览图，确认每位受试者的文件命名与时间戳范围。
佩戴检测：用温度 + 光感通道标出有效时段，掩码脱腕段。
对齐：按 1 小时把波形聚合，与日记条目 join，形成 (波形, 标签) 样本。
划分：按受试者级划分训练/测试。
特征 + 基线：先做传统特征（时域/频域/左右比）+ 树模型/逻辑回归，拿到基线分数。
深度学习：再用 1D CNN / LSTM / Transformer 直接吃原始波形。
多任务：把运动状态/震颤/FoG 联合训练，观察任务间是否互相增益。
报告：按受试者划分、按任务分别报告，注明缺失处理与不平衡策略。

这条路线的价值在于：它把"数据论文"转化为"可复现的实验流程"，而这正是数据论文最容易缺失的一环。

§9 与库内条目的关系

9.1 家族图谱

COPS 在库内属于"帕金森病 + 可穿戴/神经退行性疾病"家族，可直接互链的条目如下（rid 均已核对为在架）：

条目	rid	与 COPS 的关系
parkinsons-disease-smartwatch（PADS）	1018	最近邻——同为腕戴 PD 运动监测；PADS 用智能手表运动学，COPS 用双腕加速度计 + 症状日记
daphnet-fog	252	PD 冻结步态检测——COPS 日记含 FoG 二值标注，语义直接对应
gait-pd（gaitpdb）	242	PD 步态数据库——COPS 含步态相关运动信号
parkinsons-voice-uci	444	PD 语音生物标志物——不同模态（嗓音 vs 运动）对照
pc-gita	459	西语 PD 语音——语音模态对照
mdvr-kcl	480	手机 PD 语音——移动设备模态对照
ppmi	225	帕金森进展标志物计划——大样本多中心纵向队列，可作临床背景互链
wearable-exam-stress	807	可穿戴 + 应激——通用可穿戴方法论参考
big-ideas-glycemic-wearable	1016	可穿戴传感时序——通用可穿戴工程参考
brain-wearable-monitoring	1030	可穿戴监测——通用可穿戴参考

9.2 与 PADS（rid=1018）的关键区别

PADS 与 COPS 是库内最像的两个 PD 可穿戴数据集，但方向不同：

PADS：智能手表运动学，侧重"设备端能采到什么运动学量"。
COPS：双腕原始三轴波形 + 逐小时症状日记金标准对照，侧重"信号与主观症状的对应关系"。

换言之，PADS 更像"工程侧"的运动学数据集，COPS 更像"临床侧"的症状对照数据集。二者互补，互链价值高。

9.3 检索路径建议

想研究 PD 运动波动（开/关）：COPS 是库内首选（有运动状态 7 点标签）。
想研究 FoG 检测：COPS（有 FoG 二值 + 原始波形）与 daphnet-fog（252）配合。
想研究 PD 语音：转向 444 / 459 / 480。
想做 大样本多中心纵向：转向 ppmi（225）。
想做 通用可穿戴时序方法：参考 807 / 1016 / 1030。

9.4 规避的合并误区

不要把 COPS 与任何其他数据集合并为"一个 PD 数据集"：它们的设备、采样率、标签定义、人群都不同。若确需联合分析，必须先做设备间信号对齐与标签语义归一。

9.5 跨条目的方法论迁移

COPS 的若干设计经验可迁移到库内其他可穿戴/时序条目：

“主观标签 + 客观信号同步” 的范式可复用于其他需要 ground truth 的传感任务。
“用普及设备保证可泛化” 的取舍可应用于其他医疗传感数据集。
“透明披露缺失率” 的做法值得所有带缺失的数据集学习。
“受试者级划分” 是所有含重复测量数据集的通用铁律。

9.6 与语音类 PD 数据集的模态互补

库内三份 PD 语音数据集（444 / 459 / 480）与 COPS 构成"运动 vs 嗓音"的模态互补：PD 的嗓音改变（音量降低、单调、发音不清）与运动症状同源（均与多巴胺能神经元退变相关），但表现维度不同。若做多模态 PD 评估，COPS（运动）+ 语音数据集可联合刻画患者状态。不过要注意：它们不是同一批受试者，不能做个体级配对，只能在群体层面做方法学对照。

9.7 库内可穿戴时序条目的横向对比

条目	rid	传感模态	标签来源	与 COPS 的可比性
COPS	本条目	双腕加速度计	症状日记	—
PADS	1018	智能手表	运动学	高（同为 PD 腕戴）
daphnet-fog	252	加速度计	FoG	高（FoG 专项）
gaitpdb	242	步态	步态标签	中
wearable-exam-stress	807	可穿戴	应激	中
big-ideas-glycemic-wearable	1016	可穿戴	血糖	低（不同生理量）
brain-wearable-monitoring	1030	可穿戴	神经监测	中

§10 避坑清单：已踩过的坑

坑 1：把官方标题里的拼写笔误当成数据集名去检索。 OSF 项目标题写作 “Continuous Oberservation of Parkinsonian Symptoms”（Oberservation 少了一个 s），学术全称应为 “Continuous Observation”。按单词精确匹配搜索时，用错拼写或只用正确拼写都可能漏结果——两种拼写都试。条目正文按正确拼写陈述，笔误存照于附录 S。

坑 2：把会议摘要的 65 例当成论文的最终样本量。 2023 年 Mov Disord 会议摘要是该研究的前身，口径为 65 例、“>365 天”；论文终值为 66 例、393.8 天。引用数据规模时应以论文为准，会议摘要只作前身存照。

坑 3：误以为本文提供官方 train/test 划分或排行榜。 这是数据描述论文，没有官方划分、没有 leaderboard、没有统一评测协议。任何"论文给的分"的预期都会落空。使用者须自建协议（§7.3）。

坑 4：按小时随机划分训练/测试，造成数据泄漏。 同一受试者的波形高度自相关，若把同一人的不同小时分进训练与测试，模型会"记住这个人"而非"学会这个症状"。必须用受试者级划分（subject-wise split）。

坑 5：忽略佩戴缺失，把"没戴表"当成"没运动"。 原始 430.6 天中有约 8.5% 被质控剔除。这些缺失并非随机（脱腕常与睡眠、洗澡、症状严重度相关）。重建序列时若不显式掩码缺失段，会出现系统性偏差。

坑 6：只用 1 小时分块、丢了原始波形的细粒度信息。 1 小时分块适合症状状态分类，但 FoG、跌倒等是秒级事件，必须回到 100 Hz 原始波形做检测，再聚合。只用一个尺度会白白损失信息。

坑 7：把症状日记当作绝对无误的 ground truth。 日记是主观回忆式自评，存在回忆偏倚、日记疲劳，且部分 PD 患者自知力受损。更稳妥的做法是把日记当"带噪监督信号"并做敏感性分析。

坑 8：忽视左右腕与 DBS 状态的分层。 PD 症状常偏侧化，队列还含 DBS 患者。若不利用 lateralization 信息、不把 DBS 作为协变量/分层因子，可能把侧别差异或 DBS 效应误读为疾病相关信号。

坑 9：把单中心 66 例当作可泛化的普遍规律。 全部受试者来自德国科隆一家医院。跨中心、跨人群泛化必须额外验证。这与 PPMI 这类多中心大样本队列形成鲜明对比。

坑 10：忽视单位换算（g vs m/s²）。 GENEActiv 以 g 为单位输出加速度（约 9.81 m/s²）。若与其他以 m/s² 为单位的设备或公开数据集混合，务必先统一单位，否则特征量纲会错乱。

坑 11：把数据概览图当成完整数据。 OSF 附的数据概览图是为了帮助理解结构，不是全量数据。只用了概览图会严重低估实际样本量。

坑 12：默认所有受试者都有 7 天满数据。 平均每人约 6 天，个体差异大，且脱腕会导致更短。设计分析时应按实际有效时长处理，而非假设人人满 7 天。

§11 总结

11.1 三句话总结

一句话：COPS 是 66 位帕金森患者双腕佩戴加速度计最多 7 天、逐小时填写症状日记的同步开放数据集（393.8 天，CC BY 4.0）。
一句话：它的独一无二之处在于"客观波形 + 主观金标准"的严格同步——这是训练可穿戴 PD 症状识别算法最缺的资源。
一句话：它没有排行榜、是单中心、样本中等，是"通用原材料"而非"某亚组的定论"。

11.2 适合谁

做可穿戴时间序列与多通道信号融合的研究者。
做帕金森运动波动/震颤/FoG 检测算法的团队。
做数字生物标志物提取与验证的团队。
需要公开、零门槛、含标签的 PD 运动数据做教学或快速原型的人。

11.3 不适合谁

需要大样本、多中心、纵向随访的研究者（应转向 PPMI 等）。
需要官方排行榜/固定划分做公平横向对比的人（应转向挑战赛数据集）。
需要语音/影像等其他模态的研究者（应转向对应数据集）。

11.4 30 秒决策卡

你的需求	建议
PD 运动波动算法	✅ 首选 COPS
PD FoG 检测	✅ COPS + daphnet-fog（252）
PD 语音	❌ 转向 444/459/480
大样本多中心纵向	❌ 转向 ppmi（225）
零门槛公开数据	✅ COPS（CC BY 4.0 直链）
官方 benchmark	❌ COPS 无排行榜

FAQ（高频问答 30 问）

A. 基础认知

1. COPS 代表什么？
Continuous Observation of Parkinsonian Symptoms（帕金森病症状连续观测）。

2. 它是一项研究还是一个数据集？
两者都是——它是一项前瞻性观察性研究，也是该研究产出的开放数据集。

3. 谁做的？
德国科隆大学医院神经内科团队，通讯作者 Till Anselm Dembek。

4. 论文发在哪？
Nature 旗下 Scientific Data，2026 年，13:587。

5. 数据采集于何时？
2022 年 9 月至 2023 年 6 月。

6. 有没有伦理审批？
有——科隆大学 IRB，Vote 21-1569；德国临床试验注册 DRKS00028636。

7. 谁资助的？
德国研究基金会（DFG）SFB 1451，Project-ID 431549029。

B. 数据与获取

8. 数据在哪下？
Open Science Framework：https://osf.io/5xvwn/。

9. 什么许可？
CC BY 4.0——可商用，只需署名。

10. 要申请吗？
不要。公开直链，直接下载。

11. 是原始数据还是处理过的？
两者都有——100 Hz 原始波形 + 按小时对齐后的分块数据。

12. 采样率多少？
100 Hz。

13. 什么设备？
GENEActiv（Activinsights，英国）双腕三轴加速度计。

14. 记录哪些通道？
三轴加速度、光感、体表温度。

15. 数据量多大？
原始 430.6 天，质控后 393.8 天。

16. 有多少患者？
66 例（男 41 / 女 25）。

17. 每人戴多久？
最多连续 7 天。

18. 含临床量表吗？
含 UPDRS-III（开/关状态）、Hoehn & Yahr、PD 亚型、侧别、DBS 状态。

C. 标注与任务

19. 日记记什么？
运动状态（7 点）、震颤（3 点）、冻结步态（二值）、跌倒（二值）、用药时间、睡眠。

20. 填写频率？
逐小时。

21. 日记是纸质还是电子？
纸质，数据集内附 docx/pdf 模板。

22. 能做哪些任务？
运动状态分类、震颤识别、FoG 检测、跌倒检测、用药建模、睡眠切分等。

23. 有官方划分吗？
没有——数据描述论文，无 train/test 划分。

24. 有排行榜吗？
没有。

25. 标签可靠吗？
日记是主观自评，有回忆偏倚与自知力问题，宜当作带噪监督信号。

26. 怎么划分才正确？
按受试者级划分（subject-wise），防止数据泄漏。

D. 与库内对比

27. 和 PADS（1018）什么区别？
PADS 侧重智能手表运动学，COPS 侧重原始波形 + 逐小时症状日记金标准对照。

28. 和 PPMI（225）什么区别？
PPMI 是大样本多中心纵向队列（临床/影像/组学），COPS 是单中心 66 例可穿戴 + 日记。

29. 和 daphnet-fog（252）什么关系？
两者都涉及 FoG；COPS 有 FoG 二值标签 + 原始波形，可与 daphnet-fog 互补。

30. 选它还是别的 PD 可穿戴数据集？
若你在意"波形 ↔ 主观症状的同步对照"与零门槛公开，选 COPS；若在意规模与多中心，选 PPMI。

事实清单（硬事实 34 条）

全称：Continuous Observation of Parkinsonian Symptoms，缩写 COPS。
中文：帕金森病症状连续观测。
研究类型：单中心、前瞻性、观察性数据采集研究。
机构：德国科隆大学医院（University Hospital of Cologne）神经内科。
第一作者：Tom P. R. Nesser。
通讯作者：Till Anselm Dembek。
论文：Sci Data. 2026;13:587。
DOI：10.1038/s41597-026-06999-6。
前身：Mov Disord. 2023;38 (suppl 1) 会议摘要。
分析队列：66 例（男 41 / 女 25）。
会议摘要口径：65 例。
平均年龄：58.66 岁。
平均病程：10.6 年。
采集期：2022-09 至 2023-06。
IRB：科隆大学，Vote 21-1569。
临床注册：DRKS00028636。
资助：DFG SFB 1451，Project-ID 431549029。
设备：GENEActiv（Activinsights, UK）。
佩戴：双腕。
采样率：100 Hz。
单位：g（约 9.81 m/s²）。
附加通道：光感、体表温度。
最长佩戴：7 天。
日记频率：逐小时。
日记条目：运动状态（7 点）、震颤（3 点）、FoG（二值）、跌倒（二值）、用药时间、睡眠。
原始数据量：430.6 天。
质控后：393.8 天（91.5%）。
清醒期：268.3 天。
睡眠期：125.4 天。
许可：CC BY 4.0。
平台：Open Science Framework（OSF）。
OSF 项目：https://osf.io/5xvwn/。
OSF DOI：10.17605/OSF.IO/5XVWN。
官方 OSF 标题拼写笔误：Oberservation（应为 Observation）。

术语表（30 条）

术语	英文	释义
帕金森病	Parkinson’s disease (PD)	以运动迟缓、震颤、强直为主要表现的神经退行性疾病
运动波动	motor fluctuations	药效起伏导致的症状开/关交替
开期	ON state	药物起效、运动症状改善的时段
关期	OFF state	药效消退、运动症状加重的时段
运动状态	kinetic state	日记中用 7 点量表记录的主要状态
震颤	tremor	不自主节律性抖动，日记中用 3 点量表
冻结步态	freezing of gait (FoG)	行走时突然"脚粘地"无法迈步
跌倒	falls	非预期倒地事件
症状日记	symptom diary	患者逐小时自评的记录
金标准	gold standard	此处指症状日记作为主观参照
加速度计	accelerometer	测量加速度的传感器
三轴	three-axis	x/y/z 三个方向
采样率	sampling frequency	每秒采样次数，此处 100 Hz
GENEActiv	GENEActiv	Activinsights 公司的腕表式加速度计
佩戴检测	wear-time detection	判断设备是否在腕上
体表温度	body temperature	用于佩戴检测的通道
光感	light	用于佩戴检测的通道
UPDRS-III	Unified Parkinson’s Disease Rating Scale Part III	运动检查分量表
Hoehn & Yahr	Hoehn and Yahr stage	PD 分期（1-5 期）
DBS	deep brain stimulation	脑深部电刺激
STN	subthalamic nucleus	丘脑底核，DBS 常用靶点
亚型	subtype	PD 运动表型分类
侧别	lateralization	症状以哪一侧为主
病程	duration of illness	确诊至采集的时长
泵治疗	pump therapy	持续药物输注治疗，本队列无
数字生物标志物	digital biomarker	从数字信号中提取的疾病指标
数字结局指标	digital outcome	数字化的疗效/结局测量
受试者级划分	subject-wise split	训练/测试受试者不重叠
数据泄漏	data leakage	训练与测试信息污染
开放科学	open science	数据/代码公开共享的实践

附录

附录 A：条目信息速查卡

字段	值
slug	cops
全称	Continuous Observation of Parkinsonian Symptoms
机构	University Hospital of Cologne, Department of Neurology
论文	Sci Data 2026;13:587
DOI	10.1038/s41597-026-06999-6
样本	66 例 PD
设备	GENEActiv 双腕 100 Hz
规模	393.8 天（质控后）
许可	CC BY 4.0
平台	OSF（https://osf.io/5xvwn/）
模态	生理信号（可穿戴传感 / 步态与运动）
疾病	帕金森病

附录 B：DAIMS 评估全表

DAIMS（Data and AI Management Scorecard，数据与 AI 管理评分卡）逐维度评估：

维度	评估	说明
数据可发现性（Discoverability）	高	OSF 公开项目 + DOI，可被检索与引用
数据可获取性（Accessibility）	极高	CC BY 4.0 公开直链，零门槛
数据互操作性（Interoperability）	中高	CSV 通用格式，但无统一 schema/本体标注
数据可复用性（Reusability）	高	附临床表、日记模板、示例代码，复用成本低
数据质量（Quality）	高	质控后 91.5% 保留，附佩戴检测
标注质量（Annotation）	中高	逐小时多任务日记，但为主观自评带噪
数据规模（Volume）	中	66 例 / 393.8 天，单中心
代表性（Representativeness）	中	入组宽松换广度，但单中心单一族群
文档完备度（Documentation）	高	论文 + OSF metadata + 模板 + 代码
伦理合规（Ethics）	高	IRB + DRKS 注册 + 知情同意
许可清晰度（Licensing）	极高	单一 CC BY 4.0，无歧义
可复现性（Reproducibility）	高	原始数据 + 处理后数据 + 示例代码齐备
AI 就绪度（AI-Readiness）	高	原始信号 + 标签 + 开放许可，可直接建模

综合结论：COPS 在"可获取性、许可清晰度、AI 就绪度"三项接近满分，主要短板是规模与代表性（单中心 66 例）。这是一个"数据工程质量优秀、临床覆盖广度受限"的典型数据论文数据集。

附录 C：逐项证据链自证

断言	证据来源
66 例、58.66 岁、10.6 年	Sci Data 论文（经 Clear Sky Science 解读页转述）
65 例（前身）	Mov Disord 2023;38 suppl 1 摘要
393.8 天 / 91.5% / 268.3 / 125.4 天	中文综述（生物通）转述论文结果
430.6 天原始	中文综述（生物通）转述论文结果
100 Hz、GENEActiv、光感+温度	Sci Data 论文方法节（Clear Sky Science 转述）
7 点运动状态 / 3 点震颤 / 二值 FoG / 二值跌倒	Sci Data 论文 Table 1
UPDRS-III / Hoehn & Yahr / DBS	Sci Data 论文方法节
CC BY 4.0 / OSF / DOI	OSF metadata 页
IRB Vote 21-1569 / DRKS00028636 / DFG SFB 1451	Sci Data 论文声明节
采集期 2022-09–2023-06	Sci Data 论文方法节

附录 D：数据获取决策树

需要 PD 运动数据？
├─ 要"波形 ↔ 主观症状同步对照" → COPS（本条目）
├─ 要大样本多中心纵向 → PPMI（rid=225）
├─ 要 FoG 专项 → daphnet-fog（rid=252）或 COPS
├─ 要智能手表运动学 → PADS（rid=1018）
└─ 要语音模态 → parkinsons-voice-uci(444) / pc-gita(459) / mdvr-kcl(480)

附录 E：症状日记条目映射表

日记字段	量表	可建模任务	标签类型
kinetic state	7 点	运动状态回归/序数分类	序数
tremor	3 点	震颤识别与分级	序数/分类
freezing of gait	二值	FoG 事件检测	二值
falls	二值	跌倒检测	二值
medication intake	时间点	用药建模	时间戳
sleep schedule	时段	睡眠分期	区间

附录 F：受试者级划分骨架（代码）

# 注意：必须按 subject_id 划分，禁止按小时随机划分（防数据泄漏）
import numpy as np

subjects = sorted(df['subject_id'].unique())
rng = np.random.default_rng(42)
rng.shuffle(subjects)
n_test = max(1, int(0.2 * len(subjects)))
test_subj = set(subjects[:n_test])
train = df[~df['subject_id'].isin(test_subj)]
test  = df[ df['subject_id'].isin(test_subj)]

附录 G：佩戴检测与缺失处理骨架（代码）

# 温度接近体温 + 光感有变化 => 判断设备在腕
def wear_mask(temp_c, light, temp_thr=25.0):
    # 温度阈值需按数据实际分布标定；此处为示意
    return (temp_c > temp_thr)

# 重建时间序列时显式掩码缺失段，勿插值成"患者没动"
df['wear'] = wear_mask(df['temperature'], df['light'])

附录 H：1 小时分块对齐骨架（代码）

# 把 100 Hz 波形按小时聚合，与日记条目时间戳对齐
df['hour'] = df['timestamp'].dt.floor('h')
feat = df.groupby(['subject_id', 'wrist', 'hour']).agg(
    acc_x_mean=('acc_x', 'mean'),
    acc_x_std =('acc_x', 'std'),
    acc_mag_mean=('acc_mag', 'mean'),
).reset_index()
# 再与日记表按 (subject_id, hour) 做 join

附录 I：多任务标签不平衡处理建议

任务	不平衡程度	建议指标	建议策略
运动状态（7 点）	中	序数 MAE / 加权 κ	序数回归
震颤（3 点）	中	宏平均 F1	类权重
FoG（二值）	高（稀疏）	PR-AUC	重采样/焦点损失
跌倒（二值）	极高（极稀疏）	PR-AUC	强重采样

附录 J：与库内可穿戴条目对照总表

条目	rid	模态	规模	标签
COPS（本条目）	—	双腕加速度计	66 例/393.8 天	逐小时症状日记
PADS	1018	智能手表运动学	—	运动学标签
daphnet-fog	252	加速度计	—	FoG
gaitpdb	242	步态	—	步态
wearable-exam-stress	807	可穿戴	—	应激
big-ideas-glycemic-wearable	1016	可穿戴	—	血糖
brain-wearable-monitoring	1030	可穿戴	—	神经监测

附录 K：研究时间线

时间	事件
2022-09	数据采集开始
2023-06	数据采集结束
2023	会议摘要发表（Mov Disord 38 suppl 1，65 例口径）
2025-07-10	OSF 项目创建
2026-02-20	OSF 项目最后更新
2026	Sci Data 论文发表（13:587，66 例口径）
2026-04-09	Clear Sky Science 解读页发布

附录 L：双口径登记表

字段	会议摘要口径（2023）	论文口径（2026）	采用
受试者数	65	66	论文 66
同步数据天数	“>365 天”	393.8 天（质控后）	论文 393.8
描述方式	“more than 60 patients”	66	论文 66

附录 M：与库内 PPMI（rid=225）的关系声明

COPS 与 PPMI 不是同一资源，不应合并：

PPMI 是多中心、跨国、数千例的 PD 纵向队列（含临床、影像、组学等多模态）。
COPS 是单中心 66 例的可穿戴加速度计 + 症状日记数据集。

二者可互为背景参照，但数据本体、模态、规模、人群均不同。互链价值在于"从大队列临床背景 → 小队列高密度可穿戴信号"的叙事衔接。

附录 N：PD 可穿戴数据集景观（本库内）

类别	代表条目	特点
双腕加速度计 + 日记	COPS	客观波形 + 主观金标准同步
智能手表运动学	PADS（1018）	设备端运动学量
FoG 专项	daphnet-fog（252）	冻结步态
步态	gaitpdb（242）	步态模式
语音	444/459/480	嗓音生物标志物
大样本纵向	PPMI（225）	多中心多模态

附录 O：许可条款细读

CC BY 4.0 赋予使用者的权利：

共享：以任何媒介或格式复制、分发数据。
改编：重混、转换、基于数据二次创作。
商用：可用于商业目的。

唯一条件：署名（Attribution）——须给出适当署名、提供许可链接、并标明是否作出修改。署名时建议同时引用论文与 OSF 项目。

附录 P：引用模板

Nesser TPR, van der Linden C, Schedlich-Teufer C, Brandt G, Barbe MT, Dembek TA.
Continuous observation of Parkinsonian symptoms using symptom diaries & wearable
accelerometry. Sci Data. 2026;13:587. doi:10.1038/s41597-026-06999-6

Dataset: COPS - Continuous Observation of Parkinsonian Symptoms.
Open Science Framework. doi:10.17605/OSF.IO/5XVWN

附录 Q：坑点档案（与 §10 对照）

坑号	简述	类型
坑 1	官方标题拼写笔误 Oberservation	检索
坑 2	65 例 vs 66 例口径混用	口径
坑 3	误以为有官方划分/排行榜	预期
坑 4	按小时随机划分致泄漏	方法
坑 5	忽略佩戴缺失	数据
坑 6	只用小时分块丢细粒度	方法
坑 7	把日记当绝对真值	标注
坑 8	忽视左右腕与 DBS 分层	建模
坑 9	把单中心当普遍规律	泛化

附录 R：检索决策树

搜不到 COPS？
├─ 试两种拼写：Observation / Oberservation
├─ 试 OSF 直链：https://osf.io/5xvwn/
├─ 试论文 DOI：10.1038/s41597-026-06999-6
└─ 试会议摘要：Mov Disord 2023;38 (suppl 1)

附录 S：官方标题笔误存照

OSF 项目标题原始拼写为：

“COPS - Continuous Oberservation of Parkinsonian Symptoms”

其中 Oberservation 应为 Observation（少一个字母 s）。这是 OSF 项目页的官方笔误，非本条目录入错误。本条目正文一律使用正确拼写 “Continuous Observation of Parkinsonian Symptoms”，并在此存照，以免使用者误以为两个名字指代不同数据集。

附录 T：维护计划与触发点

触发点	动作
论文被引/更新	核查是否有勘误或补充数据
OSF 项目更新	核查文件清单/版本变化
出现衍生基准	补充评估章节
出现新 PD 可穿戴数据	更新 §9 家族图谱
许可变更	更新 §6 与 frontmatter license

附录 U：常见任务-指标对照卡

任务	输出类型	推荐主指标	次指标
运动状态（7 点）	序数	加权 κ / MAE	Spearman ρ
震颤（3 点）	序数/分类	宏 F1	准确率
FoG（二值）	二值	PR-AUC	F1 / 敏感度
跌倒（二值）	二值	PR-AUC	召回率
睡眠/清醒	二值	平衡准确率	F1
用药时间推断	回归/事件	MAE（小时）	命中窗口率

附录 V：数据字典（字段级）

字段	类型	单位	说明
subject_id	字符串/整数	—	受试者标识（去标识化）
wrist	枚举	—	left / right
timestamp	时间戳	—	100 Hz 采样时刻
acc_x / acc_y / acc_z	浮点	g	三轴加速度
light	浮点	lux 量级	光感通道
temperature	浮点	°C	体表温度通道
kinetic_state	序数 1-7	—	逐小时运动状态
tremor	序数 1-3	—	逐小时震颤
fog	二值	—	冻结步态
fall	二值	—	跌倒
med_time	时间戳	—	用药摄入
sleep_start / sleep_end	时间戳	—	睡眠区间
age / sex	—	—	人口统计学
subtype / lateralization	—	—	临床表型
duration_illness	年	—	病程
updrs3_on / updrs3_off	分	—	UPDRS-III 开/关
hy_stage	1-5	—	Hoehn & Yahr 分期
dbs	布尔	—	是否 STN-DBS

（注：字段名为便于理解的示意命名，实际以 OSF 文件为准。）

附录 W：可穿戴 PD 数据的通用陷阱清单

陷阱	描述	对策
时间戳漂移	设备与日记时钟不同步	校验并对齐
佩戴缺失	脱腕未记录	用温度/光感检测并掩码
采样丢包	设备偶尔丢帧	检查时间戳间隔
场景混杂	院内/院外模式不同	分层或作协变量
标签噪声	日记主观	稳健损失/敏感性分析
个体差异	每人波形分布不同	个体归一化/个性化模型
类别不平衡	FoG/跌倒稀疏	重采样/PR-AUC
数据泄漏	同一人跨集	受试者级划分
单位混淆	g vs m/s²	明确单位换算
时区问题	跨时区/夏令时	统一到时区无关时间轴

附录 X：复现实验检查清单

[ ] 已下载全部受试者的加速度计、日记与临床数据。
[ ] 已核对单位（g 与 m/s²）与采样率（100 Hz）。
[ ] 已完成佩戴检测并掩码缺失段。
[ ] 已完成小时级对齐并 join 日记标签。
[ ] 已按受试者级划分训练/测试。
[ ] 已针对每个任务选择合适指标。
[ ] 已处理类别不平衡。
[ ] 已把 DBS 状态与场景纳入分层/协变量。
[ ] 已报告缺失处理方式与缺失率。
[ ] 已同时引用论文与 OSF 项目。

附录 Y：与论文结论的对应关系

论文要点	本条目对应章节
创建同步加速度计 + 症状日记的开放数据集	§0 / §2 / §6
66 例、最多 7 天、院内院外	§2.1 / §2.4
100 Hz GENEActiv、光感与温度	§2.2
逐小时多任务日记（Table 1）	§2.3 / §4.2
质控后 393.8 天、91.5%	§2.4 / §7.2
加速度计可实现客观连续评估	§3.3 / §7.2
未交付现成设备/App	§3.3
支持算法开发与验证	§4.3 / §7.4

附录 Z：一句话速记卡（贴给同事版）

COPS = 66 个帕金森病人的双腕 100 Hz 加速度计 + 逐小时症状日记，393.8 天同步数据，CC BY 4.0 在 OSF 免费下，没有排行榜，必须按人划分数据，最适合做运动波动/震颤/FoG 算法。论文：Sci Data 2026;13:587。

附录 AA：来源链接总表

来源	URL	用途
Sci Data 论文	https://doi.org/10.1038/s41597-026-06999-6	一手论文
Nature 文章页	https://www.nature.com/articles/s41597-026-06999-6	一手（反爬）
OSF 项目	https://osf.io/5xvwn/	数据获取
OSF metadata	https://osf.io/5xvwn/metadata/osf	许可/contributors
OSF DOI	https://doi.org/10.17605/OSF.IO/5XVWN	引用
MDS 会议摘要	https://www.mdsabstracts.org/abstract/cops-continuous-observation-of-parkinsonian-symptoms-a-prospective-data-acquisition-study-using-wearable-accelerometery/	前身口径
Clear Sky Science 解读	https://www.clearskyscience.com/en/10.1038/s41597-026-06999-6	英文解读

附录 AB：本条目编写说明

本条目在写作时对本数据集的核验遵循"三源互证"原则：

一手论文口径（Sci Data 2026）——提供最终数字（66 例、393.8 天等）。
会议摘要口径（Mov Disord 2023）——提供前身数字（65 例、“>365 天”）。
OSF metadata 口径——提供许可（CC BY 4.0）、contributors 与 DOI。

三源在"数据存在性、设备型号、采样率、日记条目、许可、平台"上一致；在"受试者数、同步天数"上存在前身/终稿的版本差，已逐条存照（附录 L、附录 S）。论文投稿/接收日期与数据集文件体量因一手页面反爬而未能取得，列为遗留疑点。

附录 AC：指标计算速查

指标	适用	公式要点
加权 κ	序数标签	按类别距离加权的一致性
MAE	序数回归	预测与真值的平均绝对误差
宏 F1	多分类	各类 F1 的未加权平均
PR-AUC	不平衡二分类	精确率-召回率曲线下面积
平衡准确率	二分类	两类的召回率平均
ROC-AUC	二分类（均衡）	受试者工作特征曲线下面积

附录 AD：个体差异与个性化建模

可穿戴数据的一大特点是个体间分布差异巨大：同样是"开期"，一位患者的手部运动幅度可能是另一位的好几倍；同样是"震颤频率"，不同患者也有差异。因此：

全局模型可能在个体差异大的受试者上失效。
个体归一化（per-subject z-score）常能显著改善。
个性化/联邦式训练是这一领域的自然方向——每人的数据不外传，只共享模型更新。

COPS 的 66 位受试者因此不只是"66 个样本"，更是"66 个分布"——这使它成为研究个性化与领域自适应的天然实验场。

附录 AE：伦理与隐私

COPS 的数据在发布前已做去标识化（受试者以 ID 编号呈现）。使用者须注意：

加速度计波形本身也携带一定的行为特征信息（何时活动、何时入睡），属于敏感数据。
CC BY 4.0 允许再分发，但再分发时仍须保留署名，且不宜尝试通过辅助信息重新识别个体。
涉及人类受试者的研究，建议在本地伦理框架下使用。

附录 AF：常见问题速查（补充）

Q：COPS 的加速度计数据能直接喂给深度学习吗？
可以，但原始 100 Hz CSV 体量大，建议先转格式；模型上 1D CNN / LSTM / Transformer 均可，注意按受试者划分。

Q：日记标签的 7 点量表具体是哪 7 档？
论文 Table 1 给出完整定义与示例，建议直接查阅论文表格获取精确语义（本条目未逐档复述以避免曲解）。

Q：能只用单腕吗？
可以，但会损失左右对称信息——而对称性对 PD 偏侧化分析有价值，建议保留双腕。

Q：FoG 样本够吗？
论文未披露 FoG 正样本数；由于 FoG 属稀疏事件，正样本可能偏少，需按不平衡任务处理。

Q：数据里有没有视频或音频？
没有。COPS 只有加速度计（含光感/温度）与日记，纯运动传感数据。

附录 AG：结语

COPS 的意义可以浓缩为一句话：它给"用可穿戴设备客观读懂帕金森病症状波动"这件事，提供了第一批严格同步、完全开放、零门槛可用的训练与验证材料。它不宏大（66 例、单中心），但足够扎实（393.8 天同步数据、CC BY 4.0、附代码与模板），并在一个具体的、临床意义明确的缺口上补得恰到好处——这正是好的数据论文应有的样子：不炫技，只把别人做研究最缺的那块拼图补上。

维度	内容
本质	帕金森病症状连续观测（Continuous Observation of Parkinsonian Symptoms）——单中心前瞻性观察性数据采集研究
团队	德国科隆大学医院（University Hospital of Cologne）神经内科；通讯 Till Anselm Dembek
论文	Sci Data. 2026;13:587（doi:10.1038/s41597-026-06999-6；前身 Mov Disord 2023;38 suppl 1 摘要）
队列	66 例 PD 患者（男 41/女 25，平均 58.66 岁，平均病程 10.6 年）；会议摘要前身口径 65 例
设备	GENEActiv（Activinsights, UK）双腕佩戴，三轴加速度计，100 Hz，单位 g
附加通道	光感（light）+ 体表温度（body temperature）——用于佩戴检测
日记	逐小时：运动状态（7 点）/震颤（3 点）/冻结步态（二值）/跌倒（二值）/用药时间/睡眠
规模	原始 430.6 天 → 质控后 393.8 天（91.5%）；清醒 268.3 天 + 睡眠 125.4 天
采集期	2022-09 – 2023-06；DRKS00028636；IRB Vote 21-1569
临床变量	UPDRS-III（含开/关状态）、Hoehn & Yahr、PD 亚型、侧别、STN-DBS 状态
许可	CC BY 4.0——OSF 项目公开直链（https://osf.io/5xvwn/）
库内互链	PADS 智能手表（rid=1018）、Daphnet FoG（rid=252）、gaitpdb（rid=242）、PPMI（rid=225）