臂力计运动期间外周动脉疾病对腿部肌肉氧饱和度的影响

该数据集来自 clinicaltrials.gov,聚焦外周动脉疾病(PAD)患者在臂力计(AE)运动期间腿部受累肌肉组织氧饱和度(StO₂)的变化

University of Nove de JulhoUniversity of Nove de Julho
clinicaltrials
浏览 3
其他Peripheral Arterial Disease
Oxygen Saturation in the Leg Musculature Affected by Peripheral Arterial Disease During Exercise on an Arm Ergometer

基本信息

模态
其他
创建/更新时间
2026-10-19

资源简介

臂力计运动期间外周动脉疾病对腿部肌肉氧饱和度的影响

该数据集来自 clinicaltrials.gov,聚焦外周动脉疾病(PAD)患者在臂力计(AE)运动期间腿部受累肌肉组织氧饱和度(StO₂)的变化。源站描述指出,臂力计训练可绕过步行疼痛这一主要运动障碍并改善患者功能能力,已有研究观察到长期训练可改善步行时腿部肌肉 StO₂,但臂部运动改善腿部肌肉 StO₂ 的机制尚不清楚。本研究旨在分析 AE 运动过程中 PAD 受累腿部组织氧饱和度的变化,可用于探索臂部运动对下肢组织氧合的影响及相关机制研究(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。使用臂力计(AE)训练的研究已显示对周围动脉疾病(PAD)患者功能能力的益处,绕过了这些患者运动的主要障碍,即步行运动时的疼痛。唯一一项提出研究这种适应所涉及机制的研究观察到,长期使用 EB 训练促进了步行期间腿部肌肉氧饱和度(StO₂)的改善。然而,臂部运动如何改善腿部肌肉 StO₂ 仍不清楚。本研究的目的是分析 AE 期间受 PAD 影响的腿部的组织氧饱和度(StO₂)会发生什么变化。

【主题与分类】

主题标签:Peripheral Arterial 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/NCT06491810

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/NCT06491810

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。使用手臂功率计(AE)训练的研究已显示,其对周围动脉疾病(PAD)患者的功能能力有益,绕过了这些患者运动的主要障碍——步行运动时的疼痛。唯一一项旨在探究这种适应机制的研究观察到,长期使用EB训练促进了步行时腿部肌肉氧饱和度(StO₂)的改善。然而,手臂运动如何能改善腿部肌肉StO₂仍不清楚。本研究的目标是分析在AE期间,受PAD影响的腿部的组织氧饱和度(StO₂)会发生什么变化。

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