PAIn研究：糖尿病周围神经病变患者个人活动智能（PAI）电子健康项目
该数据集来自一项针对糖尿病周围神经病变（DPN）患者的12周前瞻性队列研究，参与者使用腕戴式心率监测器和智能手机应用获取过去七天累积的个性化身体活动信息（PAI评分）
基本信息
资源简介
PAIn研究：糖尿病周围神经病变患者个人活动智能（PAI）电子健康项目
PAIn Study: Personal activity intelligence (PAI) e-health program in people with diabetic peripheral neuropathy
该数据集来自一项针对糖尿病周围神经病变（DPN）患者的12周前瞻性队列研究，参与者使用腕戴式心率监测器和智能手机应用获取过去七天累积的个性化身体活动信息（PAI评分）。研究分为两个阶段：第1-4周每周参加2小时电子健康课程，包含运动和行为改变咨询；第5-12周进行自主锻炼。数据记录了项目完成率、满意度、PAI评分和不良事件，并通过生态瞬时评估评估DPN症状变化及效应量。该数据可用于分析电子健康干预对DPN患者身体活动和症状的影响（来源 DOI 解析，Copyright is held by the Author(s). This dataset has been made available under the terms of t。
【数据集背景】
源站首次发布：2022。
【数据内容】
源站描述（机器翻译，仅供参考）：招募目前未达到运动指南要求的糖尿病周围神经病变（DPN）患者进入一项为期12周的前瞻性队列研究。参与者使用腕戴式心率监测器和智能手机应用，获取过去七天累积的身体活动个性化信息（PAI评分）。在第1-4周（第1阶段），参与者每周参加2小时的电子健康课程，涉及运动和行为改变咨询。在第5-12周（第2阶段），参与者进行自主锻炼。记录项目完成率、满意度、PAI评分和不良事件。使用生态瞬时评估评估DPN症状的变化和效应量。
【主题与分类】
主题标签：behaviour change counselling、diabetes complications、diabetic neuropathies、exercise、ecological momentary assessment、heart rate monitoring。本站分类：循环系统疾病。
【获取与许可】
源站页面：https://research-repository.griffith.edu.au/handle/10072/414642
使用许可：Copyright is held by the Author(s). This dataset has been made available under the terms of the Creative Commons Attribution 4.0 license.。
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://doi.org/10.25904/1912/4502
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
目前未达到运动指南要求的糖尿病周围神经病变（DPN）患者被招募进入一项为期12周的前瞻性队列研究。参与者使用腕戴式心率监测器和智能手机应用程序，获取过去七天累积的身体活动的个性化信息（PAI评分）。在第1-4周（第1阶段），参与者每周参加为期2小时的电子健康课程，包括运动和改变行为咨询。在第5-12周（第2阶段），参与者进行自主锻炼。记录项目完成率、满意度、PAI评分和不良事件。使用生态瞬时评估来评估DPN症状的变化和效应量。
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。
