高龄者高速抗阻训练对脑血流与认知功能影响研究
该数据集来自 clinicaltrials.gov,聚焦于阿尔茨海默病及相关痴呆症高风险老年人。研究为单中心、随机、平行组临床试验,采用 Stage IIA 早期疗效框架,评估高速抗阻训练(HVRT)的行为疗效与机制靶点参与,重点检验运动与认知结局之间假设的生理机制

基本信息
资源简介
高龄者高速抗阻训练对脑血流与认知功能影响研究
该数据集来自 clinicaltrials.gov,聚焦于阿尔茨海默病及相关痴呆症高风险老年人。研究为单中心、随机、平行组临床试验,采用 Stage IIA 早期疗效框架,评估高速抗阻训练(HVRT)的行为疗效与机制靶点参与,重点检验运动与认知结局之间假设的生理机制。数据覆盖有主观认知下降及认知下降风险的老年人群,可用于探索血管功能障碍与认知下降的关系,以及运动干预对脑血流调节和认知功能的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:有AD-痴呆风险、伴有主观认知下降、有认知下降风险。本研究是一项单中心、随机、平行组临床试验,旨在评估高速抗阻训练(HVRT)在阿尔茨海默病及相关痴呆症(AD/ADRD)风险升高的老年人中的行为疗效和机制靶点参与。该试验按照IIA期框架设计为早期疗效研究,重点检验一种假设的、将运动与认知结局联系起来的生理机制。越来越多的研究表明,血管功能障碍可能促进认知下降和痴呆风险。已观察到脑血管调节的改变,包括神经血管耦合受损、动态脑自动调节降低以及对二氧化碳的脑血管反应性减弱。
【主题与分类】
主题标签:At Risk for Cognitive Decline。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/NCT07444554
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/NCT07444554
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:存在AD痴呆风险、伴有主观认知下降、存在认知下降风险。本研究是一项单中心、随机、平行组临床试验,旨在评估高强度抗阻训练(HVRT)在阿尔茨海默病及相关痴呆(AD/ADRD)风险升高的老年人中的行为学疗效和机制性靶点参与。该试验按照IIA期框架设计为早期疗效研究,重点检验运动与认知结局之间关联的假设生理机制。越来越多的研究表明,血管功能障碍可能促进认知下降和痴呆风险。在老年人和具有血管危险因素的个体中已观察到脑血管调节异常,包括神经血管耦合受损、动态脑自动调节功能降低以及对二氧化碳的脑血管反应性减弱。这些生理损害可能限制大脑在认知和体力需求期间适当调节血流的能力。
运动干预可能改善血管功能;然而,高速抗阻训练对脑脑血管调节机制的具体影响及其与认知表现的关系仍缺乏充分表征。高速抗阻训练强调在中等外部负荷下进行快速向心肌肉收缩。该训练方法旨在改善神经肌肉功率,而神经肌肉功率随衰老而下降,并与功能性活动能力密切相关。由于收缩速度及相关的升压反应,HVRT与传统抗阻训练相比可能提供不同的血流动力学和神经血管刺激。本研究将检验为期12周监督下的HVRT干预是否能在执行功能、处理速度和运动-认知表现方面产生可测量的改善,以及这些改善是否与脑血管调节的变化相关。参与者将按1:1比例随机分组
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。




