TELEREHAB-BR:心血管康复模式试验
TELEREHAB-BR 是一项来自 clinicaltrials.gov 的心血管康复模式试验数据集,聚焦循环系统疾病与心力衰竭

基本信息
资源简介
TELEREHAB-BR:心血管康复模式试验
TELEREHAB-BR 是一项来自 clinicaltrials.gov 的心血管康复模式试验数据集,聚焦循环系统疾病与心力衰竭。覆盖冠状动脉疾病(如心绞痛、心肌梗死、动脉粥样硬化性心脏病)、慢性心力衰竭及急性冠脉综合征人群。数据可用于评估心脏康复依从性、比较传统中心式康复与心脏远程康复(CTR)效果,并探索适用于巴西统一卫生系统(SUS)的低成本混合式远程康复模型,为公共医疗场景下的康复策略提供依据(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:冠状动脉疾病(CAD)(例如心绞痛、心肌梗死和动脉粥样硬化性心脏病(ASHD))、慢性心力衰竭、急性冠脉综合征(ACS)。引言:心血管疾病仍是全球死亡的主要原因。尽管心脏康复(CR)项目已被证明有效,但依从性仍不理想,尤其是在巴西统一卫生系统(Sistema Único de Saúde - SUS)等公共医疗系统中,原因是后勤、地理和社会经济障碍。在此背景下,心脏远程康复(CTR)已成为一种有前景的替代方案,其有效性与传统中心式心脏康复相当。然而,关于适用于巴西背景、使用简单且低成本技术的混合式心脏远程康复模型的证据仍然很少。目标:To i
【主题与分类】
主题标签:Chronic Heart Failure、Acute Coronary Syndromes (ACS)。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/NCT07734831
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/NCT07734831
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:冠状动脉疾病(CAD)(例如心绞痛、心肌梗死和动脉粥样硬化性心脏病(ASHD))、慢性心力衰竭、急性冠脉综合征(ACS)。引言:心血管疾病仍是全球死亡的首要原因。尽管心脏康复(CR)项目的有效性已得到证实,但其依从性仍不理想,尤其是在巴西统一医疗系统(Sistema Único de Saúde - SUS)等公共医疗体系中,原因在于后勤、地理和社会经济方面的障碍。在此背景下,心脏远程康复(CTR)已成为一种有前景的替代方案,其有效性与传统的中心式心脏康复相当。然而,关于适用于巴西国情、采用简单低成本技术的混合式心脏远程康复模式的证据仍然匮乏。目的:探讨不同心脏康复模式下的依从性及其对有效性、安全性和运动实践维持的影响,重点在于开发并实施一种适应巴西国情的混合式心脏远程康复(HCTR)模式。
主要结局指标为运动方案的依从性,定义为在12周干预期间参加至少75%的预定训练课程。次要结局指标将包括估计的心肺适能、功能能力、功能性活动能力、握力和健康相关生活质量。不良事件、数字健康素养、运动维持情况、住院情况以及运动的获益与障碍将作为探索性变量进行评估。方法:这是一项实用性、单中心、三臂平行随机临床试验,包括混合心脏远程康复、传统中心式心脏康复和常规照护组。共219名患有冠状动脉疾病、伴或不伴急性冠脉综合征和/或稳定性心力衰竭的参与者,符合II期心脏康复条件,并通过巴西统一卫生系统接受照护。
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。




