农村体弱老年人阶梯式护理与中心式心肺康复对比研究
该数据集来自clinicaltrials.gov,聚焦循环系统疾病与心力衰竭,涉及稳定型心绞痛、充血性心力衰竭和慢性阻塞性肺疾病

基本信息
资源简介
农村体弱老年人阶梯式护理与中心式心肺康复对比研究
该数据集来自clinicaltrials.gov,聚焦循环系统疾病与心力衰竭,涉及稳定型心绞痛、充血性心力衰竭和慢性阻塞性肺疾病。数据围绕心脏康复与肺康复在改善死亡率、功能、生活质量及再入院率方面的作用,并关注农村地区参与率低的问题。研究旨在测试开展完整随机对照试验的可行性,比较阶梯式护理模式与常规中心式康复在居住于农村县的体弱老年人中的效果与价值。可用于评估康复模式可行性、预测参与与结局,以及支持心衰与慢阻肺相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:稳定型心绞痛、充血性心力衰竭、慢性阻塞性肺疾病。心脏康复(CR)可降低死亡率,且CR和肺康复(PR)均可改善功能、生活质量并降低再入院率。尽管其疗效已获证实,但两种项目的利用率均严重不足,符合条件的参与者不足20%。居住在农村社区的心肺疾病患者参与率更低。本提案的目标是测试开展一项完整规模随机对照试验(RCT)的可行性,以比较阶梯式护理(SC)模式与常规治疗(TAU)在居住于农村县的体弱老年人中的效果与价值。TAU指中心式康复(CBR)。SC模式包括初始入组CBR,随后可能逐步升级至三种干预措施。
【主题与分类】
主题标签:Angina, Stable、Congestive Heart Failure、Chronic Obstructive Pulmonary 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/NCT05562037
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/NCT05562037
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:稳定型心绞痛、充血性心力衰竭、慢性阻塞性肺疾病。心脏康复(CR)可降低死亡率,而心脏康复和肺康复(PR)均能改善功能、生活质量并减少再入院率。尽管其疗效已得到证实,但这两种项目的利用率严重不足,符合条件的患者中参与率不足20%。生活在农村社区的心肺疾病患者参与率更低。本提案的目标是测试开展一项全面随机对照试验(RCT)的可行性,以比较阶梯式护理(SC)模式与常规治疗(TAU)在居住于农村县的年老体弱成年人中的有效性和价值。TAU指以中心为基础的康复(CBR)。SC模式包括初始入组CBR,随后根据预先规定的无应答标准可能逐步升级至三种干预措施:1)交通补贴的CBR,2)居家远程康复(TR),3)社区卫生工作者(CHW)支持的居家TR。与传统SC模式不同,该模式中的初始治疗,即CBR,并非资源密集度最低的。
选择CBR作为初始方案,是因为它目前被视为标准治疗。研究者将开展一项平行、双臂、随机对照可行性试验。符合条件的参与者将被随机分配至TAU(CBR)组或SC组。由于农村地区亟需解决CR和PR利用不足的问题,拟议的可行性试验将纳入被转诊至CR或PR的患者。两组均包括由康复中心认证康复护士进行的面对面入院评估,以确定运动耐量并设计个体化的8周康复方案。随机分配至TAU组的患者每周在中心参加两次训练,并鼓励在两次训练之间在家进行锻炼。随机分配至SC组的患者也将纳入CBR项目。符合预设无应答标准者将接受升阶治疗
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。




