护理干预比较效果:Buerger-Allen运动与机械压缩疗法对化疗患者下肢灌注及周围神经病变的影响
该数据集来自 clinicaltrials.gov,聚焦接受化疗患者的化疗诱导周围神经病变(CIPN)与下肢循环障碍。研究比较 Buerger-Allen 运动与机械压缩疗法这两种非药物干预对下肢灌注及周围神经症状的效果,并指出直接比较二者在化疗人群中的证据有限,尤其在埃及

基本信息
资源简介
护理干预比较效果:Buerger-Allen运动与机械压缩疗法对化疗患者下肢灌注及周围神经病变的影响
该数据集来自 clinicaltrials.gov,聚焦接受化疗患者的化疗诱导周围神经病变(CIPN)与下肢循环障碍。研究比较 Buerger-Allen 运动与机械压缩疗法这两种非药物干预对下肢灌注及周围神经症状的效果,并指出直接比较二者在化疗人群中的证据有限,尤其在埃及。数据可用于评估护理主导的支持性肿瘤照护策略,支持症状管理与功能结局相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:多发性神经病、区域血流、下肢。化疗诱导的周围神经病变(CIPN)和下肢循环受损是常见的不良反应,可能损害患者的活动能力、舒适度、平衡、功能独立性和生活质量,并可能增加跌倒风险。尽管 Buerger-Allen 运动和机械压缩疗法是可能改善外周循环并缓解神经病理性症状的非药物方法,但在接受化疗的患者中直接比较这些干预措施的证据仍然有限,尤其是在埃及。本研究将填补这一空白,并可能为可行的、护士主导的支持性肿瘤照护策略提供信息。研究目的:本研究旨在比较 Buerger-Allen 运动和机械压缩疗法对下肢灌注和周围神经
【主题与分类】
主题标签:Polyneuropathies、Regional Blood Flow、Lower Extremity。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07842237
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/NCT07842237
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:多发性神经病、区域血流、下肢。化疗诱导的周围神经病变(CIPN)和下肢循环受损是常见的不良反应,可损害患者的活动能力、舒适度、平衡能力、功能独立性和生活质量,并可能增加跌倒风险。尽管Buerger-Allen运动和机械压迫疗法是可能改善外周循环和缓解神经病理性症状的非药物方法,但在接受化疗的患者中直接比较这些干预措施的证据仍然有限,尤其是在埃及。本研究将填补这一空白,并可能为可行的、护士主导的支持性肿瘤护理策略提供依据。研究目的:本研究旨在比较Buerger-Allen运动和机械压迫疗法对接受化疗患者下肢灌注和周围神经病变的影响。将采用随机对照试验研究设计。研究地点:本研究将在埃及亚历山大省Ayady Almostakbal癌症治疗医院的住院化疗科进行。
该医院是一家专门的非政府慈善医疗中心,为亚历山大省及周边地区的居民提供癌症治疗服务。研究对象:将招募100名符合条件的患者作为目的性样本,并均等分配到两个干预组:Buerger-Allen运动组(n = 50)和机械压迫治疗组(n = 50)。纳入标准:• 年龄在20-60岁之间、已接受化疗至少六个月且愿意参与的成年男性和女性患者符合纳入条件。排除标准:* 患有未控制的糖尿病或其他可能影响下肢灌注或周围神经功能的疾病的患者将被排除。* 下肢有烧伤或大面积伤口的患者将被排除。* 下肢截肢的患者将被排除。
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。




