TENS 对糖尿病多发性神经病感觉参数的影响
该数据集来自 clinicaltrials.gov,主题为 TENS 对糖尿病多发性神经病感觉参数的影响,涉及糖尿病神经病变、痛性糖尿病神经病变及周围神经系统疾病

基本信息
资源简介
TENS 对糖尿病多发性神经病感觉参数的影响
该数据集来自 clinicaltrials.gov,主题为 TENS 对糖尿病多发性神经病感觉参数的影响,涉及糖尿病神经病变、痛性糖尿病神经病变及周围神经系统疾病。远端对称性多发性神经病是糖尿病最常见的慢性并发症,也是足部溃疡前感觉丧失的主要原因,现有治疗多针对神经病理性疼痛的症状控制,并不预期改变感觉功能。TENS 在该人群中已有研究,但多以疼痛强度或复合症状评分为终点,皮肤感觉功能很少作为预设结局。刺激频率提供了机制依据,高频感觉强度 TENS 优先募集大直径、低阈值 A-beta 传入纤维(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:糖尿病神经病变、痛性糖尿病神经病变、周围神经系统疾病。背景与依据:远端对称性多发性神经病是糖尿病最常见的慢性并发症,也是先于足部溃疡出现的感觉丧失的主要原因。当前管理几乎完全针对神经病理性疼痛的症状控制,并不预期能改变感觉功能。经皮电神经刺激(TENS)已在该人群中进行过研究,但试验以疼痛强度或复合症状评分为终点,皮肤感觉功能很少被作为预设结局。刺激频率为可能在种类上不同的结局提供了机制依据。常规高频、感觉强度的 TENS 优先募集大直径、低阈值 A-beta 传入纤维,而低频
【主题与分类】
主题标签:Diabetic Neuropathies、Diabetic Neuropathy, Painful、Peripheral Nervous System Diseases。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07807748
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/NCT07807748
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
疾病:糖尿病性神经病、痛性糖尿病性神经病、周围神经系统疾病。背景与原理 远端对称性多发性神经病是糖尿病最常见的慢性并发症,也是足部溃疡发生前感觉丧失的主要原因。目前的治疗几乎完全针对神经病理性疼痛的症状控制,预计不会改善感觉功能。经皮神经电刺激(TENS)已在该人群中进行过研究,但试验均以疼痛强度或复合症状评分作为终点,皮肤感觉功能很少被作为预设结局指标。刺激频率为可能出现性质不同的结局提供了机制上的依据。传统的高频、感觉强度TENS优先募集大直径、低阈值的A-beta传入纤维,而低频、较高强度刺激通常被认为由内源性阿片介导的下行抑制所致。前者所涉及的A-beta纤维群,正是介导弱机械刺激检测以及单丝测试所评估的同一纤维群。
来自重复性感觉刺激研究的汇聚性证据表明,长时间、被动的外周输入可通过类似长时程增强的机制降低触觉阈值,其频率依赖性与突触增强和抑制的诱导相平行。设计:单中心、随机、双盲、假刺激对照、平行组试验,按1:1:1比例分配至三个组。参与者从Akdeniz大学医学院内分泌与代谢门诊招募;评估在Akdeniz大学体育科学研究与应用中心进行。分配与盲法:在获得书面知情同意后、基线评估前,通过抽签程序进行分配。采用简单随机化,未设区组或分层。参与者和结局评估者对分组分配设盲。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




