自我管理支持的远程康复运动与自我淋巴引流项目对乳腺癌相关淋巴水肿的有效性
该数据集来自 clinicaltrials.gov,聚焦肿瘤/乳腺癌领域,主题为乳腺癌相关淋巴水肿。源站描述了一项前瞻性、随机、单盲的论文研究,计划纳入 64 名 20 至 65 岁、诊断为 I 期或 II 期乳腺癌相关淋巴水肿且不符合排除标准的女性,受试者来自 Istanbul Universit

基本信息
资源简介
自我管理支持的远程康复运动与自我淋巴引流项目对乳腺癌相关淋巴水肿的有效性
该数据集来自 clinicaltrials.gov,聚焦肿瘤/乳腺癌领域,主题为乳腺癌相关淋巴水肿。源站描述了一项前瞻性、随机、单盲的论文研究,计划纳入 64 名 20 至 65 岁、诊断为 I 期或 II 期乳腺癌相关淋巴水肿且不符合排除标准的女性,受试者来自 Istanbul University Istanbul Medical Faculty 物理医学与康复科门诊。研究将评估基于远程康复的运动与自我淋巴引流项目在自我管理支持下的效果,参与者需签署知情同意书并在治疗前后完成评估与随访表。数据可用于淋巴水肿康复干预相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:乳腺癌相关淋巴水肿、淋巴水肿。共 64 名年龄在 20 至 65 岁之间、被诊断为 I 期或 II 期乳腺癌相关淋巴水肿且不符合排除标准的女性,她们在 Istanbul University Istanbul Medical Faculty 物理医学与康复科门诊登记,将被纳入我们的论文研究,该研究计划为前瞻性、随机、单盲。参与者将以口头和书面形式被告知研究的目的、持续时间和实施方法,并将获得书面知情同意。她们将被要求签署“知情同意书”。参与者评估和随访表将在治疗前后完成。符合纳入标准的参与者将根据其入院顺序编号,然后随机分配
【主题与分类】
主题标签:Breast Cancer-Related Lymphedema、Lymphedema。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07794904
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/NCT07794904
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
条件:乳腺癌相关淋巴水肿、淋巴水肿。我们的论文研究计划为前瞻性、随机、单盲研究,将纳入共64名年龄在20至65岁之间、被诊断为I期或II期乳腺癌相关淋巴水肿且不符合排除标准的女性,这些女性在伊斯坦布尔大学伊斯坦布尔医学院物理医学与康复系门诊部登记。将口头和书面告知参与者研究的目的、持续时间和实施方法,并获得书面知情同意。他们将被要求签署“知情同意书”。参与者评估和随访表将在治疗前后填写。符合纳入标准的参与者将根据入院顺序编号,然后通过计算机程序随机分配到干预组或对照组。
所有参与者都将接受一次面对面的教育课程,内容涉及乳腺癌相关淋巴水肿,包括锻炼、自我淋巴引流、皮肤护理、压力衣使用和自我管理,并配发教育手册。两组参与者均被要求在整个研究期间继续穿着其处方压力衣。除上述教育外,干预组(G1)还将参加与研究医生进行的Zoom直播课程,每周三次,持续8周,在实时监督下执行锻炼和自我淋巴引流方案。每次课程将包括约30分钟的治疗性锻炼,随后进行15分钟的自我淋巴引流。对照组(G2)将以手册形式接受相同的锻炼和自我淋巴引流方案,包括书面说明和插图。参与者被要求在家中每周三次、持续8周执行锻炼和自我淋巴引流方案,无在线直播监督。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




