虚拟现实平衡训练对比常规平衡训练降低糖尿病周围神经病变患者跌倒风险的随机对照试验
该数据集来自 clinicaltrials.gov,记录一项非盲随机对照试验,比较虚拟现实平衡训练与常规平衡训练对糖尿病周围神经病变患者跌倒风险的影响

基本信息
资源简介
虚拟现实平衡训练对比常规平衡训练降低糖尿病周围神经病变患者跌倒风险的随机对照试验
该数据集来自 clinicaltrials.gov,记录一项非盲随机对照试验,比较虚拟现实平衡训练与常规平衡训练对糖尿病周围神经病变患者跌倒风险的影响。研究在 Fauji Foundation Hospital 与 Foundation University Islamabad 开展,通过非概率便利抽样选取 30 名受试者,并以信封法随机分为两组,评估跌倒与步态参数。数据可用于分析平衡训练干预效果、跌倒风险相关因素及步态指标变化,属于神经系统疾病领域的临床试验资料(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:糖尿病周围神经病变、平衡、跌倒风险。本研究的目的是确定虚拟现实平衡训练与常规平衡训练相比,在减少糖尿病周围神经病变患者跌倒风险方面的效果,评估指标包括跌倒和步态参数。该研究是一项非盲随机对照试验,包含2组。研究将在Fauji Foundation Hospital和Foundation University Islamabad进行。将通过非概率便利抽样技术选取30名受试者的计算样本,随后使用信封法随机分为两组。在CBRC注册后,从ERC FUMC获得伦理批准。符合纳入标准的个体被选中,随后在解释研究目的后签署书面知情同意书。参与者随后被随机分配到o
【主题与分类】
主题标签:Diabetic Peripheral Neuropathy、Balance、Fall Risk。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06740227
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/NCT06740227
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:糖尿病周围神经病变、平衡、跌倒风险。本研究旨在确定虚拟现实平衡训练与传统平衡训练相比,在降低糖尿病周围神经病变患者跌倒风险方面的效果,评估指标包括跌倒和步态参数。本研究是一项非盲法随机对照试验,分为2组。研究将在Fauji Foundation Hospital和Foundation University Islamabad进行。通过非概率便利抽样技术选取30名受试者,随后采用信封法随机分为两组。在CBRC注册后,获得FUMC伦理审查委员会的伦理批准。选取符合纳入标准的个体,在解释研究目的后签署书面知情同意书。随后将参与者随机分配到2组中的一组。在基线时,评估跌倒效能量表(FES)、特定活动平衡信心量表(ABC)、起立-行走计时测试和动态步态指数(DGI)。对照组接受传统平衡训练。
治疗组接受基于虚拟现实(Wii Fit)的平衡训练。运动训练每周进行三次,隔日进行,为期6周,共18次训练。所有结果测量将在6周干预期之前和之后进行。数据将录入SPSS v. 22并进行分析。
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。




