外周动脉疾病腿部热疗研究

该数据集来自 clinicaltrials.gov,聚焦外周动脉疾病(PAD)患者的下肢治疗问题。研究针对缺乏可在家使用的疗法这一障碍,评估无监督、居家腿部热疗(HT)与假干预相比能否改善步行表现

Indiana UniversityIndiana University
clinicaltrials
浏览 10
表格分类Peripheral Artery Disease
Leg Heat Therapy in Peripheral Artery Disease

基本信息

模态
表格
任务类型
分类
创建/更新时间
2026-10-08

资源简介

外周动脉疾病腿部热疗研究

该数据集来自 clinicaltrials.gov,聚焦外周动脉疾病(PAD)患者的下肢治疗问题。研究针对缺乏可在家使用的疗法这一障碍,评估无监督、居家腿部热疗(HT)与假干预相比能否改善步行表现。热疗通过水循环裤配合水泵和水加热器实施,受试者随机分为热疗组(n=53)和假治疗组(n=53),热疗组水温设为42ºC,假组为33ºC,要求每天使用90分钟、连续3个月。数据可用于分析居家热疗对PAD患者步行能力的影响(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:外周动脉疾病。缺乏适合在家庭环境中应用的可及疗法,是治疗下肢外周动脉疾病(PAD)患者的主要障碍。研究者将确定无监督、居家腿部热疗(HT)与假干预相比是否能改善步行表现。腿部热疗将使用水循环裤配合水泵和水加热器实施。患者将被随机分为两组:接受热疗组(n=53)或接受假治疗组(n=53)。热疗组参与者获得的水加热器和水泵将被调节为使42ºC的水通过裤子循环。在假组中,33ºC的水将通过裤子循环。参与者将被要求每天应用该疗法90分钟,连续3个月。结局

【主题与分类】

主题标签:Peripheral Artery Disease。本站分类:心血管系统疾病/外周动脉疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT05465070

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/NCT05465070

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:外周动脉疾病。缺乏适用于家庭环境的可及疗法是治疗下肢外周动脉疾病(PAD)患者的主要障碍。研究者将确定无监督的家庭腿部热疗(HT)是否比假干预更能改善步行能力。腿部热疗将使用循环水裤配合水泵和热水器进行。患者将被随机分为两组:接受热疗组(n=53)和接受假治疗组(n=53)。热疗组参与者的热水器和水泵将调整为通过裤子循环42ºC的水。假治疗组则通过裤子循环33ºC的水。参与者将被要求每天进行90分钟的治疗,连续3个月。结果将在基线、干预完成时(第12周末)以及干预结束后12周的随访访问(第24周)时进行评估。主要研究结果是基线与12周随访之间6分钟步行距离的变化。

次要结局包括短期体能测试量表评分的变化,该量表综合了步行速度、站立平衡和重复起立的表现;握力变化;感知生活质量(通过步行障碍问卷和Short-Form (SF)-36问卷测量);小腿肌肉力量(使用小腿测力计测量)、大小(通过磁共振成像测量)和生物能量学(使用磷-31磁共振波谱评估);以及身体活动(通过加速度计测量)。

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