辅助步态设备经训练期可降低神经肌肉疾病患者跌倒风险
该数据集来自 clinicaltrials.gov,属于神经系统疾病/其他分类,聚焦神经肌肉疾病患者使用辅助步态设备后的跌倒风险

基本信息
资源简介
辅助步态设备经训练期可降低神经肌肉疾病患者跌倒风险
该数据集来自 clinicaltrials.gov,属于神经系统疾病/其他分类,聚焦神经肌肉疾病患者使用辅助步态设备后的跌倒风险。覆盖 Inclusion Body Myositis、Myotonic Dystrophy 1/2、Facio-Scapulo-Humeral Dystrophy、Limb Girdle Muscular Dystrophies、Pompe Disease (Infantile-Onset)、Myasthaenia Gravis、Lambert Eaton (LEMS) 等病种。源站描述显示这是一项干预性研究,主要目的是评估在提供合适辅助步态设备并经过训练适应期后患者的跌倒风险,可用于跌倒风险预测与康复干。
【主题与分类】
主题标签:Inclusion Body Myositis、Myotonic Dystrophy 1、Myotonic Dystrophy 2、Facio-Scapulo-Humeral Dystrophy、Limb Girdle Muscular Dystrophies、Pompe Disease (Infantile-Onset)、Myasthaenia Gravis、Lambert Eaton (LEMS)、Spinal Muscular Atrophy (SMA)、Guillain Barré Syndrome。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07072676
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/NCT07072676
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
疾病范围:包涵体肌炎、强直性肌营养不良1型、强直性肌营养不良2型、面肩肱型肌营养不良、肢带型肌营养不良、庞贝病(婴儿型)、重症肌无力、兰伯特-伊顿肌无力综合征(LEMS)。拟开展的项目是一项干预性研究,旨在评估以下神经肌肉疾病患者在适配辅助步态装置后跌倒的风险:包涵体肌炎、强直性肌营养不良、肢带型和面肩肱型肌营养不良、庞贝病、兰伯特-伊顿综合征、重症肌无力、脊髓性肌萎缩、吉兰-巴雷综合征、慢性炎性脱髓鞘性多发性神经根神经病、弗里德赖希共济失调以及遗传性运动感觉神经病。主要目的是评估在通过训练进行适配阶段后,为患者提供合适的辅助步态装置后跌倒的风险。这些数据应有助于改善神经肌肉疾病患者辅助器具的配置。这应对跌倒风险产生积极影响,从而改善生活质量并降低死亡率和发病率。
为实现这些目标,在患者配备合适的辅助步态装置后,将开展为期一周的干预,包括操作、平衡与协调以及预防跌倒的训练课程。这些干预措施将融入住院康复计划中。此外,还将记录功能性步态与平衡测试,包括“计时起立-行走测试”、“10米步行测试”、“6分钟步行测试”和“动态步态指数”。将采用国际跌倒效能量表问卷评估跌倒风险,同时使用魁北克辅助技术满意度评估问卷来确定对辅助设备的满意度。该研究计划持续14天,在此期间,参与者将接受三次功能性步行与平衡测试。作为住院康复计划的一部分,参与者将接受为期一周的无辅助技术康复,随后一周则进行适配辅助技术的康复。
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。




