风湿性疾病中的疼痛-睡眠研究
该数据集来自 clinicaltrials.gov，聚焦风湿性疾病青少年患者的疼痛与睡眠关系。研究采用解释性序贯混合方法设计，分两阶段：第一阶段对30名12-18岁患有慢性儿童风湿性疾病的青少年开展单臂试验，使用BNBD-Youth网络睡眠项目，以刻画疼痛-睡眠相关性并初步评估该项目对睡眠和疼痛结局
基本信息
资源简介
风湿性疾病中的疼痛-睡眠研究
该数据集来自 clinicaltrials.gov，聚焦风湿性疾病青少年患者的疼痛与睡眠关系。研究采用解释性序贯混合方法设计，分两阶段：第一阶段对30名12-18岁患有慢性儿童风湿性疾病的青少年开展单臂试验，使用BNBD-Youth网络睡眠项目，以刻画疼痛-睡眠相关性并初步评估该项目对睡眠和疼痛结局的效果；第二阶段基于定量结果选取10-26名参与者进行个体半结构化访谈，进一步情境化疼痛-睡眠关系。数据可用于探索风湿病青少年疼痛与睡眠的关联及网络睡眠干预的初步效果（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：病症：风湿性疾病、关节炎、狼疮、狼疮性关节炎、系统性红斑狼疮、JIA、皮肌炎、血管炎、儿童风湿性疾病（即关节炎、SLE、川崎病）。本研究将分两个阶段，采用解释性序贯混合方法设计，包括（1）对30名12-18岁患有慢性儿童风湿性疾病的青少年开展Better Nights, Better Days for Youth（BNBD-Youth）单臂试验，以刻画疼痛-睡眠的相关关系，并估计基于网络的睡眠项目对睡眠和疼痛结局的初步有效性。这些定量发现将指导参与者的选择，以及（2）后续定性研究中个体半结构化访谈的问题，该定性研究涉及10-26名定量参与者，以进一步情境化疼痛-睡眠关系。
【主题与分类】
主题标签：Rheumatic Diseases、Arthritis、Lupus、JIA、Dermatomyositis、Vasculitis、Juvenile Idiopathic Arthritis、Juvenile Idiopathic Arthritis (JIA)。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/NCT07775612
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/NCT07775612
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
疾病范围：风湿性疾病、关节炎、狼疮、狼疮性关节炎、系统性红斑狼疮、JIA、皮肌炎、血管炎、儿童风湿性疾病（即关节炎、SLE、川崎病）。本研究将分两个阶段，采用解释性序贯混合方法设计，包括：（1）对30名12至18岁患有慢性儿童风湿性疾病的青少年开展“Better Nights, Better Days for Youth（BNBD-Youth）”单臂试验，以描述疼痛-睡眠的相关关系，并初步评估基于网络的睡眠项目对睡眠和疼痛结局的初步有效性。这些定量研究结果将指导参与者的选取，以及（2）随后开展的定性研究中访谈问题的设计；该定性研究将对10至26名定量研究参与者进行个体半结构化访谈，以参与者报告的个人疼痛和睡眠经历进一步阐释疼痛-睡眠关系的背景。定量和定性数据集将分别分析，然后在解释阶段进行整合。
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。
