乳腺癌合并肌少症患者的运动干预研究
该数据集来自 clinicaltrials.gov,聚焦乳腺癌合并肌少症患者在康复期的运动干预研究。源站描述显示,研究拟开发并评估为期 12 周的“Exercise for Muscle Health”运动干预方案,并通过随机对照试验检验其有效性,计划纳入 104 名符合条件的参与者,按 1:1 比

基本信息
资源简介
乳腺癌合并肌少症患者的运动干预研究
该数据集来自 clinicaltrials.gov,聚焦乳腺癌合并肌少症患者在康复期的运动干预研究。源站描述显示,研究拟开发并评估为期 12 周的“Exercise for Muscle Health”运动干预方案,并通过随机对照试验检验其有效性,计划纳入 104 名符合条件的参与者,按 1:1 比例随机分配至干预组。数据可用于了解该试验的设计信息与主题背景,服务于肿瘤康复与肌少症干预相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:肌少症、乳腺癌。肌少症是乳腺癌幸存者康复期间常见但未被充分认识的一种并发症,其特征为肌肉量减少、肌肉力量下降和身体功能受损,会对生活质量和长期结局产生不利影响。运动已被确定为一种有前景的肌少症非药物干预措施;然而,专门针对乳腺癌合并肌少症患者的循证运动方案仍然有限。本研究旨在为康复期的乳腺癌合并肌少症患者开发并评估一项为期12周的运动干预方案(“Exercise for Muscle Health”)。将开展一项随机对照试验以评估该干预措施的有效性。共104名符合条件的参与者将按1:1比例随机分配至干预组
【主题与分类】
主题标签:Sarcopenia、Breast Cancer。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07732101
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/NCT07732101
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:肌肉减少症、乳腺癌。肌肉减少症是乳腺癌幸存者在康复期间常见但未被充分认识的一种并发症,其特征为肌肉量减少、肌肉力量下降和身体功能受损,会对生活质量和长期预后产生不利影响。运动已被认为是一种有前景的非药物干预措施,可用于改善肌肉减少症;然而,专门针对伴有肌肉减少症的乳腺癌患者的循证运动方案仍然有限。本研究旨在为康复期间伴有肌肉减少症的乳腺癌患者制定并评估一项为期12周的运动干预方案(“肌肉健康运动”)。将开展一项随机对照试验以评估该干预措施的有效性。共104名符合条件的参与者将按1:1比例随机分配至干预组或对照组。干预组将接受为期12周的结构化运动方案并结合健康教育,而对照组将接受常规康复护理及一般性身体活动建议。
主要结局指标包括四肢骨骼肌质量指数(ASMI)、握力、简易体能状况量表(SPPB)评分及体适能(2分钟踏步试验和30秒坐立试验)的变化。次要结局指标包括肌少症相关知识、癌症自我效能、社会支持、焦虑、疲乏及生活质量。评估将在基线(T0)、干预中期(第6周,T1)、干预结束时(第12周,T2)及干预后3个月(T3)进行。研究假设为:与常规护理相比,为期12周的“运动促进肌肉健康”项目将显著改善肌肉质量、肌肉力量和躯体功能,且对康复期合并肌少症的乳腺癌患者具有可行性、可接受性和安全性。
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。




