HIIT 与中等强度持续训练在 ACHD 中的对比
该数据集来自 clinicaltrials.gov,聚焦成人先天性心脏病(ACHD)患者,比较高强度间歇训练(HIIT)与中等强度持续训练的效果

基本信息
资源简介
HIIT 与中等强度持续训练在 ACHD 中的对比
该数据集来自 clinicaltrials.gov,聚焦成人先天性心脏病(ACHD)患者,比较高强度间歇训练(HIIT)与中等强度持续训练的效果。ACHD 患者运动能力下降,peak VO2 平均约 22ml/kg/min,低于同龄对照且与心力衰竭患者相似,涉及心脏结构异常、心室功能不全、瓣膜异常、肺动脉高压、变时功能不全及骨骼肌等中心与外周因素。数据可用于分析运动训练对运动能力及相关指标的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:成人先天性心脏病。患有先天性心脏病(ACHD)的成人运动能力下降,而运动能力下降是该患者群体不良结局(包括住院和死亡)的独立预测因素。当通过心肺运动试验(CPET)测量有氧运动能力时,ACHD 患者的峰值氧耗量(peak VO2)平均为 22ml/kg/min,不到年龄匹配对照组的一半,且与心力衰竭患者相似。导致运动能力低下的因素包括与心脏解剖异常、心室收缩和舒张功能障碍、瓣膜异常、肺动脉高压、变时功能不全和肺功能受损相关的中心因素,以及骨骼肌状态等外周因素。临床医生可能因未能鼓励患者进行身体活动,进一步导致患者对运动产生抵触。
【主题与分类】
主题标签:Adult Congenital Heart Disease。本站分类:循环系统疾病/心力衰竭。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07546227
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/NCT07546227
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:成人先天性心脏病。成人先天性心脏病(ACHD)患者运动能力下降,这是该患者群体不良预后(包括住院和死亡)的独立预测因素。通过心肺运动试验(CPET)测量有氧运动能力时,ACHD患者的峰值氧耗量(peak VO2)平均为22ml/kg/min,不到年龄匹配对照组的一半,与心力衰竭患者相似。导致运动能力低下的因素包括与心脏解剖异常、心室收缩和舒张功能障碍、瓣膜异常、肺动脉高压、变时性功能不全和肺功能受损相关的中枢因素,以及骨骼肌调理等外周因素。临床医生可能因未能鼓励体力活动或对ACHD患者给予不适当的运动限制,进一步导致患者不愿运动。我们研究的目的是探讨HIIT与MCT相比对ACHD患者通过peak VO2测量的有氧运动能力的效果。
次要目标包括:确定运动对各项生理变量的影响,评估HIIT在ACHD中的安全性,评价运动训练对心脏MRI所评估的心脏结构和功能的影响,以及衡量运动训练对生活质量(QoL)的影响。这是一项单中心随机对照试验,按照CONSORT指南设计。参与者按1:1:1的比例随机分为三组:HIIT组、MCT组或对照组。随机化按就诊周次定义的群组进行。采用3、6和9的置换区组,以确保随机分配至三组的周数相近,随机化序列由一位作者(AM)生成。参与者由研究协调员招募,并分配至三组之一。参与者在基线和干预12周后接受测试。
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。




