房颤相关卒中患者康复项目的前瞻性评估(PEARL)观察性队列研究
PEARL 是一项在单家三级医院卒中单元开展的前瞻性观察性队列研究,纳入卒中患者,关注缺血性与出血性卒中在短期和长期功能结局上的差异,并考察房颤相关卒中(AFRS)是否具有特殊康复需求或不同于非 AFRS 的功能结局

基本信息
资源简介
房颤相关卒中患者康复项目的前瞻性评估(PEARL)观察性队列研究
PEARL 是一项在单家三级医院卒中单元开展的前瞻性观察性队列研究,纳入卒中患者,关注缺血性与出血性卒中在短期和长期功能结局上的差异,并考察房颤相关卒中(AFRS)是否具有特殊康复需求或不同于非 AFRS 的功能结局。数据覆盖卒中、康复结局、脑疾病、急性心血管疾病、卒中后偏瘫和/或轻偏瘫及躯体残疾等主题,可用于识别病因与卒中恢复差异,帮助建立恢复预测模型并优化康复资源配置(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:STROKE、Rehabilitation Outcome、Brain Disease、Cardiovascular Disease Acute、Hemiplegia and/or Hemiparesis Following Stroke、Disability Physical。引言:康复被认为是卒中后恢复期照护的基石。治疗强度与功能恢复相关。调查缺血性与出血性卒中短期和长期结局差异的纵向研究很少。研究者不知道AFRS是否有特定的康复需求或与非AFRS不同的功能结局。识别病因和卒中恢复的差异可以帮助科学界开发恢复预测模型,优化可用资源。方法与分析:在这项前瞻性观察性研究中,卒中患者将在一家三级医院的卒中单元招募。从……出院的患者(源站描述在此处截断)
【主题与分类】
主题标签:STROKE、Rehabilitation Outcome、Brain Disease、Cardiovascular Disease Acute、Disability Physical。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/NCT07253974
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/NCT07253974
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
疾病条件:卒中、康复结局、脑疾病、急性心血管疾病、卒中后偏瘫和/或轻偏瘫、躯体残疾。引言:康复被认为是卒中恢复期护理的基石。治疗强度与功能恢复相关。探讨缺血性与出血性卒中短期和长期结局差异的纵向研究较为缺乏。研究者尚不清楚AFRS是否具有特定的康复需求,或与非AFRS相比是否存在不同的功能结局。识别病因学和卒中恢复方面的差异有助于科学界开发康复预测模型,从而优化可用资源。方法与分析:在这项前瞻性观察性研究中,将在某三级医院的卒中单元招募卒中患者。从卒中单元出院且需要住院康复的患者将根据加泰罗尼亚卒中康复计划,被分配到两个康复项目强度不同的康复中心:高强度(每日3-5次治疗)或中等强度(每日1次治疗)。
筛查标准基于当前的临床项目:年龄、既往功能水平、神经功能缺损以及认知和医疗状况。从卒中单元出院后,卒中患者的急性期后住院护理服务包括康复机构和长期护理医院。强化住院项目提供医院级护理,并每周6天、每天至少提供3次康复治疗,旨在恢复丧失的身体功能并恢复基本日常生活活动的自主性。在这些住院康复机构接受治疗的患者,其功能结局优于在普通病房或长期护理医院接受治疗的患者,且回归社区生活的比例更高。长期护理中心和护理机构提供中等强度项目,包括每天1次康复治疗。对于卒中后中重度急性期缺损的患者,个体间差异很大。
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。




