基于平衡维度的获得性脑损伤康复方案
该数据集来自clinicaltrials.gov,聚焦获得性脑损伤(ABI)患者的平衡康复。研究为前瞻性纵向随机对照试验,采用评估者盲法,纳入68名在西班牙马德里CEADAC接受康复的成人患者

基本信息
资源简介
基于平衡维度的获得性脑损伤康复方案
该数据集来自clinicaltrials.gov,聚焦获得性脑损伤(ABI)患者的平衡康复。研究为前瞻性纵向随机对照试验,采用评估者盲法,纳入68名在西班牙马德里CEADAC接受康复的成人患者。干预方案针对本体感觉、生物力学约束、稳定极限、预期性姿势调整、反应性姿势反应、感觉定向和动态步态稳定性等平衡维度。数据可用于评估多维度平衡训练对ABI患者平衡功能、跌倒风险及日常生活能力的影响,支持康复疗效分析与预测建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:获得性脑损伤、平衡障碍。获得性脑损伤(ABI)是成人残疾的主要原因。它可能影响平衡、行走、活动能力、日常生活独立性和生活质量。平衡问题在ABI后很常见,并可能增加跌倒风险。本研究将评估一种基于不同平衡维度的康复方案在ABI患者中的应用。该方案旨在针对本体感觉、生物力学约束、稳定极限、预期性姿势调整、反应性姿势反应、感觉定向和动态步态稳定性进行训练。这是一项前瞻性、纵向、随机对照试验,采用评估者盲法。研究将纳入68名在西班牙马德里国家脑损伤护理参考中心(CEADAC)接受积极康复的ABI成人。参与者将被随机分配
【主题与分类】
主题标签:Acquired Brain Injury、Balance Disorders。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07696663
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/NCT07696663
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:获得性脑损伤、平衡障碍。获得性脑损伤(ABI)是成人残疾的主要原因。它可能影响平衡、行走、活动能力、日常生活独立性以及生活质量。平衡问题在ABI后很常见,并可能增加跌倒风险。本研究将评估一项基于ABI患者平衡不同维度的康复方案。该方案旨在针对本体感觉、生物力学限制、稳定极限、预期性姿势调整、反应性姿势反应、感觉定向和动态步态稳定性进行训练。这是一项前瞻性、纵向、随机对照试验,采用评估者盲法。该研究将纳入68名正在西班牙马德里国家脑损伤护理参考中心(CEADAC)接受积极康复治疗的ABI成人。参与者将被随机分配到两组之一。实验组将接受结构化多模式平衡康复方案。对照组将接受符合CEADAC常规临床方案的常规物理治疗。
两组均将接受为期12周的治疗,每周五次,每次60分钟。主要结局为平衡能力,采用适应获得性脑损伤的平衡评估系统测试(BESTest_DCA)进行评估。次要结局包括移动能力、步行速度、跌倒风险和生活质量,分别采用计时起立-行走测试、10米步行测试和CAVIDACE问卷(西班牙获得性脑损伤患者生活质量问卷)进行评估。评估将在基线时、治疗6周后、治疗12周后以及干预结束后6周和12周时进行。将分析数据以比较实验组和对照组随时间的变化。本研究可能有助于确定,与常规物理治疗相比,针对平衡的康复方案是否能给获得性脑损伤患者带来额外益处。
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。




