增强现实跑步机步行对老年人认知与身体健康的影响
该数据集来自 clinicaltrials.gov,为一项随机对照试验,评估增强现实(AR)跑步机步行对老年人 mobility 相关运动功能、身体成分、生理反应和技术接受度的影响

基本信息
资源简介
增强现实跑步机步行对老年人认知与身体健康的影响
该数据集来自 clinicaltrials.gov,为一项随机对照试验,评估增强现实(AR)跑步机步行对老年人 mobility 相关运动功能、身体成分、生理反应和技术接受度的影响。共纳入 60 名 65 至 80 岁社区居住老年人,随机分为实验组(AR 跑步机步行)和对照组(传统跑步机步行),每周三次、每次 60 分钟、持续十二周。AR 跑步机(JOHNSON 8.1T)提供沉浸式视觉环境和生理数据实时反馈,对照组使用标准跑步机(CHANSON)。数据可用于分析运动干预对老年人认知与身体健康的效应(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:衰老、认知衰退、肌肉减少症、活动受限、平衡障碍。这项随机对照试验评估了增强现实(AR)跑步机步行对老年人 mobility 相关运动功能、身体成分、生理反应和技术接受度的影响。共 60 名 65 至 80 岁社区居住成年人被随机分配到实验组(AR 跑步机步行)或对照组(传统跑步机步行)。两组参与者均进行监督下的步行训练,每周三次,持续十二周。每次训练持续 60 分钟,包括 10 分钟热身、40 分钟跑步机步行和 10 分钟放松。AR 跑步机(JOHNSON 8.1T)提供沉浸式视觉环境和生理数据实时反馈。对照组使用标准跑步机(CHANSON
【主题与分类】
主题标签:Aging、Cognitive Decline、Sarcopenia、Mobility Limitation、Balance Impairment。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07074613
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/NCT07074613
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:衰老、认知衰退、肌肉减少症、活动能力受限、平衡障碍。本随机对照试验评估了增强现实(AR)跑步机步行对老年人活动能力相关运动功能、身体成分、生理反应及技术接受度的影响。共60名年龄在65至80岁之间的社区居住成年人被随机分配到实验组(AR跑步机步行)或对照组(传统跑步机步行)。两组参与者均每周进行三次有监督的步行训练,持续十二周。每次训练持续60分钟,包括10分钟热身、40分钟跑步机步行和10分钟放松。AR跑步机(JOHNSON 8.1T)提供沉浸式视觉环境和生理数据实时反馈。对照组使用无AR功能的标准化跑步机(CHANSON CS-6630)。主要结局指标包括步幅、步态速度和平衡。
次要结局包括骨骼肌质量、体脂质量、体脂百分比、心率、热量消耗、步行距离,以及通过经过验证的问卷评估的技术接受度。统计分析包括重复测量方差分析、独立样本t检验和Pearson相关分析,以检验组间差异以及生理反应与技术接受度之间的关联。
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。




