改善住院后活动能力的随机临床试验

该数据集来自 clinicaltrials.gov,对应 MOVE ON 随机对照试验,纳入 50 岁及以上、近期因高血压、糖尿病和轻中度心力衰竭住院的老年人

University of PennsylvaniaUniversity of Pennsylvania
clinicaltrials
浏览 4
时间序列预测HypertensionDiabetesHeart FailureAmbulatory DifficultyMobility Limitation
Randomized Clinical Trial to Improve Mobility After Hospitalization

基本信息

模态
时间序列
任务类型
预测
创建/更新时间
2026-10-20

资源简介

改善住院后活动能力的随机临床试验

该数据集来自 clinicaltrials.gov,对应 MOVE ON 随机对照试验,纳入 50 岁及以上、近期因高血压、糖尿病和轻中度心力衰竭住院的老年人。试验为期 52 周,比较仅佩戴可穿戴活动追踪器的对照组与使用同一设备并接受基于社会激励的游戏化干预的干预组,主要目标是提高出院后身体活动,以减少与急性疾病相关的活动能力残疾及急性与急性后期照护利用。数据可用于研究活动能力结局与照护利用的预测建模(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:高血压、糖尿病、心力衰竭、行走困难、活动能力受限。MOVE ON 是一项双臂随机试验,招募 50 岁及以上、近期因高血压、糖尿病和轻中度心力衰竭住院的老年人。该 52 周试验将佩戴可穿戴活动追踪器的对照组与使用同一设备并接受基于支持性社会激励的游戏化干预的干预组进行比较。主要目标是提高出院后的身体活动,以减少与急性疾病相关的活动能力残疾事件,并减少急性与急性后期照护利用。

【主题与分类】

主题标签:Hypertension、Diabetes、Heart Failure、Ambulatory Difficulty、Mobility Limitation。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/NCT05736484

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT05736484

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:高血压、糖尿病、心力衰竭、行走困难、活动受限。MOVE ON是一项两臂随机试验,招募50岁及以上、近期因高血压、糖尿病和轻中度心力衰竭住院的老年人。该为期52周的试验将佩戴可穿戴活动追踪器的对照组与使用相同设备并接受支持性社会激励式游戏化干预的干预组进行比较。主要目标是增加出院后的身体活动,以减少与急性疾病相关的活动能力残疾发生率,并减少急性和急性后期照护利用。

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。

获取专属数据定制方案