卒中后住院康复期间聚焦强化重复踏步训练质量改进项目
该数据集来自 clinicaltrials.gov,聚焦急性卒中后偏瘫步态患者,在住院康复常规物理治疗中实施聚焦强化重复踏步训练(FIRST)的质量改进项目

基本信息
资源简介
卒中后住院康复期间聚焦强化重复踏步训练质量改进项目
该数据集来自 clinicaltrials.gov,聚焦急性卒中后偏瘫步态患者,在住院康复常规物理治疗中实施聚焦强化重复踏步训练(FIRST)的质量改进项目。源站描述指出,过去20年数据表明大量步行练习可改善卒中后步行功能,中等至高有氧强度训练效果更佳,但当前住院康复物理治疗步行练习量有限、心血管强度偏低。项目旨在评估在常规住院物理治疗中实施FIRST的可行性及其对患者结局指标的潜在影响,并在常规照护阶段前标准化特定结局指标的常规采集。数据可用于卒中康复步行训练可行性及结局相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:急性卒中、偏瘫步态。过去20年不断积累的数据表明,提供大量步行练习可以改善卒中后个体的步行功能,当步行训练以中等至高等有氧强度进行时观察到更大改善。尽管如此,当前住院康复期间的物理治疗实践表明所提供的步行练习有限且达到的心血管强度较低。本当前质量改进项目的目的是评估在常规住院物理治疗期间实施聚焦、强化、重复踏步训练(FIRST)的可行性及其对患者结局指标的潜在影响。在项目的常规照护阶段之前,结局指标团队致力于标准化特定结局指标的常规采集(10米步行测试
【主题与分类】
主题标签:Stroke, Acute、Gait, Hemiplegic。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05393661
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/NCT05393661
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:卒中,急性,步态,偏瘫。过去20年不断积累的数据表明,提供大量步行练习可以改善卒中后个体的步行功能,当步行训练以中等至高等有氧强度进行时,观察到的改善更大。尽管如此,目前住院康复期间的物理治疗实践表明,所提供的步行练习有限,达到的心血管强度较低。本当前质量改进项目的目的是评估在常规住院物理治疗期间实施聚焦、强化、重复踏步训练(FIRST)的可行性及其对患者结局指标的潜在影响。在项目的常规护理阶段之前,结局指标团队致力于标准化特定结局指标(10米步行测试、6分钟步行测试、Berg平衡量表)的定期收集(入院、每周、出院),此外还包括第三方支付方强制要求的指标(例如,功能独立性评定;FIM)。
此后,将对该物理治疗实践及其结果进行约9-12个月的监测。随后,将为参与这些患者管理的物理治疗师提供教育培训以及持续支持(例如,教学性、精神运动性、技术性支持)和审计/反馈(例如,病历审计、步数反馈),并通过病历审计(步行练习、步行优先、心血管强度记录、目标强度达成)和计步器步数来监测保真度指标。如果保真度指标表明临床实践模式发生了有意义的变化,则将评估移动能力(例如,10米步行测试、6分钟步行测试)、非移动能力结果(Berg平衡量表、FIM-床到椅转移、FIM-如厕转移)的潜在变化以及不良事件的发生率。目前尚不清楚保真度指标的哪些值表明成功实施。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




