八段锦联合抗阻训练项目数据集

该数据集来自 clinicaltrials.gov,聚焦骨质疏松与腰椎间盘突出患者,比较常规术后治疗与在此基础上联合八段锦(BDJ)及抗阻训练项目的干预方案

Yale UniversityYale University
clinicaltrials
浏览 2
其他OsteoporosisLumbar Disc Herniation
Baduanjin With Resistance Training Program

基本信息

模态
其他
创建/更新时间
2026-10-24

资源简介

八段锦联合抗阻训练项目数据集

该数据集来自 clinicaltrials.gov,聚焦骨质疏松与腰椎间盘突出患者,比较常规术后治疗与在此基础上联合八段锦(BDJ)及抗阻训练项目的干预方案。数据覆盖对照组与实验组的术后管理流程,包括综合术后护理、教育手册、出院前三次互动问答,以及实验组的分阶段训练安排(入院至术后第1周个体训练、第2周暂停、第3-4周小组训练I、第5-12周小组训练2及自主练习)。可用于康复方案设计、术后运动干预效果评估及肌肉骨骼疾病管理研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:骨质疏松、腰椎间盘突出。对照组参与者将继续接受常规术后治疗,具体如下:综合术后护理和教育手册,其中包含改善恢复和促进脊柱健康的腰背部锻炼指南。此外,参与者将在出院前接受三次互动问答(术前、术后和出院当天)。在这些环节中,患者可以讨论他们的担忧并提出关于康复的问题。实验组参与者除接受常规术后治疗外,还将接受八段锦(BDJ)干预,具体如下:个体训练(入院至术后第1周),第2周不训练,小组训练I(第3周和第4周),小组训练2(第5-12周),并进行自主锻炼,在此期间参与者

【主题与分类】

主题标签:Osteoporosis、Lumbar Disc Herniation。本站分类:肌肉骨骼系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT06853132

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/NCT06853132

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:骨质疏松症、腰椎间盘突出症。对照组参与者将继续接受常规术后治疗,具体如下:全面的术后护理和教育手册,其中包括腰部和背部锻炼指南,以促进康复和脊柱健康。此外,参与者将在出院前接受三次互动问答(术前、术后和出院当天)。在这些环节中,患者可以讨论他们的疑虑并提出有关康复的问题。实验组参与者除继续接受常规术后治疗外,还将接受BDJ,具体如下:个人课程训练(入院至术后第1周),第2周不训练,小组课程I(第3周和第4周),小组课程2(第5-12周),并进行独立锻炼,在此期间参与者须记录锻炼日记(第13-24周)。数据收集将通过基线和第1周的面对面访视进行,随后在第12周和第24周通过电话进行。

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