儿童疼痛:肠脑互动障碍的互联网干预
源站描述指出,肠道导向催眠疗法通过放松技术、意象与针对胃肠道症状的感觉练习,提升患者对症状的觉察与控制,且安全性高、副作用极少;国际研究(尤其荷兰)显示其短期与长期疗效优于常规药物治疗,居家音频练习与治疗师面对面催眠效果相当

基本信息
资源简介
儿童疼痛:肠脑互动障碍的互联网干预
该数据集来自 clinicaltrials.gov,聚焦儿童肠脑互动障碍(DGBI)的互联网干预研究,涵盖 Irritable Bowel Disease、Functional Abdominal Pain - Not Otherwise Specified (FAP-NOS) 与 Functional Dyspepsia 三类病症。源站描述指出,肠道导向催眠疗法通过放松技术、意象与针对胃肠道症状的感觉练习,提升患者对症状的觉察与控制,且安全性高、副作用极少;国际研究(尤其荷兰)显示其短期与长期疗效优于常规药物治疗,居家音频练习与治疗师面对面催眠效果相当。数据可用于相关干预效果分析与预测建模(来源 clinicaltrials.go。
【数据内容】
源站描述(机器翻译,仅供参考):病症:Irritable Bowel Disease、Functional Abdominal Pain - Not Otherwise Specified (FAP-NOS)、Functional Dyspepsia。肠道导向催眠疗法在多项国际研究中显示出治疗肠脑互动障碍(DGBI)的良好前景。该治疗基于放松技术、意象和针对胃肠道症状的感觉练习,目标是提升对胃肠道症状的觉察与控制。催眠疗法被认为是安全的,且已显示副作用极少。国际研究,尤其是来自荷兰的研究表明,与常规药物治疗相比,催眠疗法在短期和长期均带来更好的结局。重要的是,居家音频练习已被证明与治疗师提供的个体面对面催眠疗法同样有效。Bac
【主题与分类】
主题标签:Irritable Bowel Disease、Functional Dyspepsia。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07319078
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/NCT07319078
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:肠易激病、功能性腹痛-非特指型(FAP-NOS)、功能性消化不良。肠道导向的催眠疗法在多项国际研究中显示出治疗脑-肠轴互动障碍(DGBI)的良好效果。该疗法基于放松技术、意象和针对胃肠道症状的感觉练习,目标是提高对胃肠道症状的觉察和控制能力。催眠疗法被认为是安全的,且副作用极少。国际研究(尤其是来自荷兰的研究)表明,与传统药物治疗相比,催眠疗法在短期和长期均能带来更好的疗效。重要的是,居家音频练习已被证明与治疗师面对面实施的个体催眠疗法同样有效。背景与准备:研究团队已在瑞典开展了一项初步研究,以测试肠道导向催眠疗法对患有DGBI儿童的可行性。
与荷兰专家合作,治疗手册已被翻译成瑞典语,并由儿童心理学家进行了文化适应性验证,同时录制为高质量音频格式。已开发出一个安全的研究平台,用于提供治疗并收集结果,并为家庭制作了全面的信息材料,包括文字、影片和音频。该试点研究于2023年启动,在主要结局指标PedsQL Gastro上显示出令人鼓舞的结果,表明胃肠道症状有所改善。此外,试点研究提供了宝贵的见解,促使对治疗细节进行调整,以进一步优化针对儿童和家庭的干预措施。这些令人鼓舞的发现支持了计划中的随机对照试验的实施,并增强了对治疗方法的信心,该方法现已根据试点见解得到进一步优化。目的:本随机对照试验(RCT)的目的有两方面:第一,评估肠道导向催眠疗法是否能够
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。




