Brain Boosters 2:阿尔茨海默病风险人群数字应用支持干预
该数据集来自 clinicaltrials.gov,聚焦阿尔茨海默病风险人群中的记忆障碍与认知障碍。研究要求参与者参加关于记忆支持策略和健康行为的团体课程,可选择伴侣共同参与,干预包括连续10周每周课程及随后4个月每月1至2次课程,并需自行完成健康生活方式活动

基本信息
资源简介
Brain Boosters 2:阿尔茨海默病风险人群数字应用支持干预
该数据集来自 clinicaltrials.gov,聚焦阿尔茨海默病风险人群中的记忆障碍与认知障碍。研究要求参与者参加关于记忆支持策略和健康行为的团体课程,可选择伴侣共同参与,干预包括连续10周每周课程及随后4个月每月1至2次课程,并需自行完成健康生活方式活动。在干预前及干预后三个时间点(干预结束即刻、6个月和12个月后)收集认知评估与问卷,以测量治疗的潜在影响。研究开始前参与者需获得初级保健提供者许可。数据可用于评估数字应用支持的干预对认知功能及健康行为的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:记忆障碍、认知障碍。本研究参与者将被要求参加关于记忆支持策略和健康行为的团体课程。他们也可以选择让伴侣一起参与本研究,但这不是必需的。将有每周课程,持续10周,随后在接下来的4个月中每月1至2次课程。参与者将被要求自行完成健康生活方式活动。在干预开始前以及干预后的三个时间点,我们将收集认知评估和问卷,以测量治疗的潜在影响。干预后评估将在干预完成后立即进行,然后在6个月和12个月后进行。在研究开始前,参与者将被要求获得其初级保健提供者的许可。
【主题与分类】
主题标签:Memory Disorders、Cognitive Impairment。本站分类:神经系统疾病/阿尔茨海默病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05027789
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/NCT05027789
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:记忆障碍、认知功能损害。本研究参与者将被要求参加关于记忆支持策略和健康行为的小组课程。他们也可以选择让一位伴侣一同参与本研究,但并非必需。课程将持续10周,每周一次,随后在接下来的4个月内每月进行1至2次课程。参与者将被要求自行完成健康生活方式活动。在干预开始前以及干预后的三个时间点,我们将收集认知评估和问卷,以衡量治疗可能产生的影响。干预后评估将在干预完成后立即进行,随后在6个月和12个月时进行。在研究开始前,参与者须获得其初级保健提供者的许可,以确保其进行有氧体育锻炼是安全的。
自我引导组和结构化干预组将被要求参与以下研究活动:干预培训课程:参与者将被要求参加15次信息课程,内容包括:1. 关于帮助支持记忆的方法培训,例如记住预约或服药;2. 关于提高对三种已知可降低记忆衰退风险的健康行为兴趣的培训(体育锻炼、脑力刺激、压力管理)。这些课程将以最多15人的小组形式进行,每次持续约2小时。在10周内,每周将有一次课程,然后在接下来的4个月里,每月将有1-2次课程。我们正在评估两种不同版本的干预方案。参与者将被随机分配到两组中的一组。两组都提供关于记忆支持策略和促进认知健康的生活方式调整的类似信息。自我引导组 自我引导组的参与者将:* 接受关于记忆支持策略和健康
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。




