PENSA+:针对APOE-ε4携带者预防认知衰退的多模态生活方式干预扩展随访
PENSA+ 是 clinicaltrials.gov 收录的一项针对 APOE-ε4 携带者的多模态生活方式干预扩展随访研究,关注主观认知衰退(SCD)人群

基本信息
资源简介
PENSA+:针对APOE-ε4携带者预防认知衰退的多模态生活方式干预扩展随访
PENSA+ 是 clinicaltrials.gov 收录的一项针对 APOE-ε4 携带者的多模态生活方式干预扩展随访研究,关注主观认知衰退(SCD)人群。阿尔茨海默病具有漫长的临床前阶段,为通过干预可改变风险因素来延缓或减轻认知衰退提供了窗口。该数据集可用于研究多模态生活方式干预对认知表现与整体脑健康的长期效果、获益的生物学机制、最可能响应的人群特征以及干预的长期经济价值(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:主观认知衰退(SCD)。阿尔茨海默病(AD)是痴呆症的首要病因,其特征是存在漫长的临床前阶段,在此期间病理改变在临床症状出现之前不断累积。这一延长的无症状期为实现旨在延缓或减轻认知衰退的预防策略提供了机会。针对可改变风险因素的多领域生活方式干预已成为痴呆症预防最有前景的方法之一,在认知表现和整体脑健康方面显示出有益效果,尤其是在AD发病风险增加的个体中。然而,这些效果的长期持久性、持续获益背后的生物学机制、最可能响应者的个体特征,以及这些干预措施的长期经济价值
【主题与分类】
主题标签:Subjective Cognitive Decline (SCD)。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/NCT07730671
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/NCT07730671
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:主观认知下降(SCD)。阿尔茨海默病(AD)是痴呆症的首要病因,其特征是漫长的临床前阶段,在此期间病理改变在临床症状出现之前逐渐累积。这一延长的无症状期为实现旨在延缓或减轻认知下降的预防策略提供了机会。针对可改变风险因素的多领域生活方式干预已成为痴呆症预防中最有前景的方法之一,在认知表现和整体脑健康方面显示出有益效果,尤其是在AD发病风险增高的个体中。然而,这些效应的长期持久性、持续获益背后的生物学机制、最可能应答的个体特征以及这些干预措施的长期经济价值仍未被完全了解。PENSA+研究是对PENSA随机临床试验(NCT03978052)的长期随访,该试验评估了针对伴有主观认知下降的认知未受损APOE-ε4携带者的强化个性化多模式生活方式干预。
该干预措施结合了饮食咨询、体育锻炼、认知训练、心理教育、社交刺激和血管风险管理,并给予表没食子儿茶素没食子酸酯(EGCG)——一种天然存在的绿茶多酚,具有抗氧化、抗炎、代谢、血管及潜在神经保护特性——或安慰剂。被分配至对照组的参与者接受一般健康生活方式建议。原始试验表明,干预组在认知表现、生活方式行为、体能、心血管代谢健康及痴呆风险方面均有改善,且认知和生活方式方面的获益在积极干预期结束后仍持续存在。然而,这些获益能否在更长期内维持,以及其持续存在所涉及的机制,仍属未知。
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。




