ARTH-e 应用对膝骨关节炎患者运动依从性的效果:随机对照试验

该数据集来自 clinicaltrials.gov,主题为 ARTH-e 应用对膝骨关节炎患者运动依从性的效果,采用随机对照试验设计

University Hospital, Clermont-FerrandUniversity Hospital, Clermont-Ferrand
clinicaltrials
浏览 12
其他预测Knee Osteoarthritis
Effectiveness of the ARTH-e Application for Exercise Adherence in People With Knee Osteoarthritis : RCT

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-07

资源简介

ARTH-e 应用对膝骨关节炎患者运动依从性的效果:随机对照试验

该数据集来自 clinicaltrials.gov,主题为 ARTH-e 应用对膝骨关节炎患者运动依从性的效果,采用随机对照试验设计。源站描述指出膝骨关节炎是最常见的关节疾病,可累及关节本身及关节周围结构,呈全球性、进行性发展,好发于脊柱、髋、膝等承受较强机械负荷的关节,并与年龄相关。随着连接设备与电子健康应用普及,此类工具在治疗性教育中可作为激励与支持手段。该数据可用于评估数字健康干预对运动依从性的影响(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:膝骨关节炎。膝骨关节炎是最常见的关节疾病,以全球性和进行性的方式影响关节本身以及关节周围结构。它可以影响身体的所有关节,尤其好发于承受较强机械约束的关节,如脊柱、髋或膝。它是一种与年龄相关的慢性病理,因为近一半成年人受骨关节炎影响。如今,连接对象在大多数人群(包括老年人)的日常生活中占据了主导地位。它既是交流与社交的对象,也是重要的信息工具。电子健康应用在商店中越来越多,并且已在许多领域用作辅助、信息和支持工具。在治疗性教育的背景下,它是一种激励工具,可以 accomp

【主题与分类】

主题标签:Knee Osteoarthritis。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/NCT06359171

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/NCT06359171

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

疾病:膝骨关节炎。膝骨关节炎是最常见的关节疾病,以全球性和进展性的方式累及关节本身及关节周围结构。它可影响全身所有关节,尤其好发于承受较大机械应力的部位,如脊柱、髋关节或膝关节。这是一种与年龄相关的慢性疾病,因为近半数成年人受骨关节炎影响。如今,互联设备在大多数人群(包括老年人)的日常生活中已占据主导地位。它既是沟通和社交的工具,也是重要的信息工具。电子健康应用在应用商店中日益增多,已成为一种辅助、信息和支持工具,并已在许多领域得到应用。在治疗性教育背景下,与传统的自我锻炼方法相比,它是一种激励工具,能够根据患者的需求和进展为其提供陪伴。针对智能手机应用在慢性疾病(如腰痛)中使用障碍与促进因素的研究,支持了该工具的发展。

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