呼气肌训练加入肺康复对支气管扩张症患者的影响
该数据集来自 clinicaltrials.gov,主题为呼气肌训练加入肺康复对支气管扩张症成人患者的影响。研究设计为随机对照、单盲、平行组试验,计划纳入 18-70 岁稳定期非囊性纤维化支气管扩张症患者,评估肺功能检查、功能能力与呼吸肌力量等指标

基本信息
资源简介
呼气肌训练加入肺康复对支气管扩张症患者的影响
该数据集来自 clinicaltrials.gov,主题为呼气肌训练加入肺康复对支气管扩张症成人患者的影响。研究设计为随机对照、单盲、平行组试验,计划纳入 18-70 岁稳定期非囊性纤维化支气管扩张症患者,评估肺功能检查、功能能力与呼吸肌力量等指标。数据可用于分析肺康复联合呼气肌训练对呼吸功能与运动能力的干预效果,支持呼吸康复领域的疗效比较与预测建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:支气管扩张症成人、呼气肌训练、肺康复、肺功能检查、功能能力、呼吸肌力量。本研究将作为随机对照、单盲、平行组试验开展。已向健康科学大学 Hamidiye 非药物与非医疗器械干预研究伦理委员会申请伦理批准,评估流程目前正在进行中。在收到伦理批准后,批准文件将由主要研究者提交至科学研究项目(BAP)委员会。在获得伦理批准后,年龄 18-70 岁、临床诊断为稳定期非囊性纤维化支气管扩张症、并在健康科学大学 Süreyyapaşa 胸科疾病与胸外科培训与 research 医院肺康复科随访的个体
【主题与分类】
主题标签:Bronchiectasis Adult、Expiratory Muscle Training、Pulmonary Rehabilitation、Lung Function Tests、Functional Capacity、Respiratory Muscle Strength。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07317531
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/NCT07317531
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:成人支气管扩张症、呼气肌训练、肺康复、肺功能检查、功能能力、呼吸肌力量。本研究将作为一项随机对照、单盲、平行组试验开展。已向健康科学大学Hamidiye非药物与非医疗器械干预研究伦理委员会申请伦理批准,评估流程目前正在进行中。收到伦理批准后,批准文件将由主要研究者提交至科学研究项目(BAP)委员会。获得伦理批准后,年龄在18-70岁、临床诊断为稳定的非囊性纤维化支气管扩张症、并在健康科学大学Süreyyapaşa胸科疾病与胸外科培训与研究医院肺康复科接受随访的个体将有资格纳入研究。过去三个月内发生过急性加重、患有严重心脏、神经或骨科疾病、表现出不配合或存在沟通困难的患者将被排除在研究之外。
符合条件的参与者将采用简单随机化方法随机分配至两组之一:(1)接受标准肺康复方案的对照组,(2)接受标准肺康复联合呼气肌训练的干预组。标准肺康复方案将在门诊进行,为期八周,每周三天,在直接监督下实施。入组前,所有参与者将接受心脏病学会诊、下肢静脉多普勒超声检查以筛查深静脉血栓、胸部X线检查、心电图、肺功能测试以及常规实验室评估。基线评估将包括症状评估、体格检查、血氧饱和度水平、当前药物治疗、合并症、病程、氧疗需求、呼吸支持设备使用情况、吸烟史以及
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。




