腰椎间盘突出症远程康复项目
该数据集来自clinicaltrials.gov,聚焦腰椎间盘突出症患者的远程康复项目。研究为随机对照临床试验,比较基于网络的远程康复锻炼与监测项目同传统手册式家庭锻炼项目的效果

基本信息
资源简介
腰椎间盘突出症远程康复项目
该数据集对应一项聚焦腰椎间盘突出症患者远程康复项目的随机对照临床试验,英文名称为 Telerehabilitation Program in Lumbar Disc Herniation,来源于 clinicaltrials.gov。研究旨在比较两种家庭锻炼项目实施方式的效果:一种是基于网络的远程康复锻炼与监测项目,另一种是传统的手册式家庭锻炼项目。共 46 名符合条件的受试者被随机分配到远程康复组和手册式锻炼组,两组遵循相同的结构化家庭锻炼方案,持续四周,每周进行三次标准化锻炼。远程康复组通过基于网络的数字平台获取锻炼指导,平台包含视频演示、文字指导和远程监测等内容。该数据集可为腰椎间盘突出症康复研究、远程康复干预设计及数字健康应用评估提供参考。
【数据集背景】
腰椎间盘突出症是临床常见的脊柱疾病,康复锻炼是患者管理的重要组成部分。随着数字健康技术的发展,基于网络的远程康复模式逐渐受到关注。该研究正是在这一背景下设计,旨在通过随机对照临床试验,比较基于网络的远程康复锻炼与监测项目同传统手册式家庭锻炼项目在腰椎间盘突出症患者中的实施效果,为家庭康复锻炼的交付方式选择提供依据。
【数据内容】
该数据集的主题标签为腰椎间盘突出症,研究内容围绕两种家庭锻炼交付方式的比较展开。受试者被随机分为远程康复组和手册式锻炼组,两组均执行相同的结构化家庭锻炼方案,疗程为四周,每周三次标准化锻炼。远程康复组通过基于网络的数字平台获取锻炼指导,该平台包括视频演示、文字指导和远程监测等功能;手册式锻炼组则采用传统手册形式开展家庭锻炼。源站描述未完整给出研究结局指标的具体内容。
【采集与来源】
该数据集来源于 clinicaltrials.gov,属于注册临床研究信息。研究设计为随机对照临床试验,共纳入 46 名符合条件的受试者,并将其随机分配至两个组别。源站描述未提供具体的招募地点、招募时间、随访安排及数据采集流程等细节。
【适用场景】
该数据集适用于腰椎间盘突出症康复领域的相关研究与参考,包括远程康复干预方案的设计与比较、数字健康平台在家庭锻炼中的应用评估,以及随机对照临床试验方法学的参考。其主题标签和分类信息也可用于相关医学数据资源的整理与检索。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/NCT07501910
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:腰椎间盘突出症。本研究是一项随机对照临床试验,旨在比较两种不同的家庭锻炼项目实施方式在腰椎间盘突出症患者中的应用效果。研究的主要重点是评估基于网络的远程康复锻炼与监测项目相较于传统手册式家庭锻炼项目的有效性。共46名符合条件的参与者被随机分配到两组:远程康复组和手册式锻炼组。两组均遵循相同的结构化家庭锻炼项目,为期四周,包括每周三次的标准化锻炼。远程康复组的参与者通过基于网络的数字平台获取锻炼指导,该平台包括视频演示、文字指导和远程监测功能。该平台允许参与者记录其锻炼过程,并使物理治疗师能够监测依从性并在必要时提供反馈。该干预以异步方式实施,无实时互动。
宣传册组的参与者会收到包含相同锻炼内容的印刷材料,其中包括视觉和书面指导。初始指导以面对面方式进行,之后参与者在家里独立继续锻炼计划。结果评估由对分组情况不知情的物理治疗师在干预前后进行。评估内容包括疼痛强度、功能障碍、生活质量以及腰部肌肉力量和耐力,使用标准化且经过验证的测量工具。
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。




