体力活动与久坐生活方式数字特征与慢性病多病共存发展的关联(eMOB)

eMOB 是一项单中心前瞻性队列研究,纳入炎症性风湿病、膝髋骨关节炎术前、重度抑郁与双相障碍、2型糖尿病、肥胖、COPD及慢性疼痛患者,随访4年,探讨体力活动与久坐生活方式的数字特征与至少新增一种共病之间的关联

University Hospital, Clermont-FerrandUniversity Hospital, Clermont-Ferrand
clinicaltrials
浏览 1
时间序列预测ExerciseSedentary BehaviorNon Communicable DiseasesComorbidities and Coexisting ConditionsComorbidityMultimorbidityDigital Technology
Association of a Digital Signature of Physical Activity and Sedentary Lifestyle With the Development of Multimorbidities in Chronic Diseases (eMOB)

基本信息

模态
时间序列
任务类型
预测
创建/更新时间
2026-10-25

资源简介

体力活动与久坐生活方式数字特征与慢性病多病共存发展的关联(eMOB)

eMOB 是一项单中心前瞻性队列研究,纳入炎症性风湿病、膝髋骨关节炎术前、重度抑郁与双相障碍、2型糖尿病、肥胖、COPD及慢性疼痛患者,随访4年,探讨体力活动与久坐生活方式的数字特征与至少新增一种共病之间的关联。数据覆盖多种慢性病及共病、多病共存结局,可用于构建基于数字技术的共病风险预测模型(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:运动、久坐行为、非传染性疾病、共病与共存状况、共病、多病共存、数字技术。研究设计:eMOB 研究是一项单中心前瞻性队列研究。我们旨在通过纵向研究探讨体力活动与久坐生活方式的数字特征与慢性病患者在4年随访期间出现至少一种额外共病之间的关联。人群:在 Clermont Ferrand 大学医院各病理专属观察队列中随访的炎症性风湿病(类风湿关节炎和脊柱关节炎)、膝髋骨关节炎术前、重度抑郁障碍和双相障碍、2型糖尿病、肥胖、COPD 和慢性疼痛患者,将在其随访访视期间被邀请参与研究。方法:共病的发生

【主题与分类】

主题标签:Exercise、Sedentary Behavior、Non Communicable Diseases、Comorbidities and Coexisting Conditions、Comorbidity、Multimorbidity、Digital Technology。本站分类:循环系统疾病/其他。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT05578495

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT05578495

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:运动、久坐行为、非传染性疾病、合并症与共存疾病、合并症、多重疾病、数字技术。研究设计:eMOB研究是一项单中心前瞻性队列研究。我们旨在通过纵向研究,探讨身体活动与久坐生活方式的数字特征与慢性病患者在4年随访期间出现至少一种新增合并症之间的关联。人群:在克莱蒙费朗大学医院各病理专属观察队列中随访的炎性风湿病(类风湿关节炎和脊柱关节炎)、术前膝和髋骨关节炎、重度抑郁症和双相情感障碍、2型糖尿病、肥胖、COPD和慢性疼痛患者,将在其随访就诊期间被邀请参与本研究。方法:在患者随访就诊期间每年监测合并症的发生情况。身体活动和久坐生活方式通过加速度计和可穿戴传感器进行评估。

将运动的定量分析与更详细的运动及运动序列分析相结合,并根据疾病和具体情境对算法进行个性化调整,有可能建立起疾病本身或相关并发症的预测特征。本研究将纳入700名患者。他们将接受为期4年的随访,具体包括:* 每年一次访视,期间:* 收集常规随访中的临床数据(BMI、腰围、血压、心率、合并症、各疾病特异性的活动度和严重程度评分并用于常规随访、治疗、生活方式、家庭及社会职业状况、教育水平)* 合并症将按研究使用的清单进行记录* 通过6分钟步行试验和握力评估身体能力* 关于疼痛(QCD)、疲劳(FACIT-F)、焦虑与抑郁(HADs)、生活质量(WhoQol-BREF)、贫困(EPICES)、身体活动问卷(RPAQ)、身体活动的障碍与促进因素的问卷

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。

获取专属数据定制方案