八步行走与负重弓步测试在血友病中的效度与信度
该数据集来自 clinicaltrials.gov,主题为血友病中八步行走测试与负重弓步测试的效度与信度。血友病患者中70-80%会发生反复关节出血,最常累及踝、膝、肘等滑膜关节,其中踝和膝因负重且易受创伤而占出血的80%

基本信息
资源简介
八步行走与负重弓步测试在血友病中的效度与信度
该数据集来自 clinicaltrials.gov,主题为血友病中八步行走测试与负重弓步测试的效度与信度。血友病患者中70-80%会发生反复关节出血,最常累及踝、膝、肘等滑膜关节,其中踝和膝因负重且易受创伤而占出血的80%。预防性因子替代治疗虽可减少出血,但关节出血仍可能复发并导致永久性关节损伤,引起疼痛、活动范围下降和姿势平衡受损,增加跌倒风险。该数据可用于评估步态与平衡测试在血友病关节病变人群中的测量性能(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:血友病。70-80%的血友病病例会发生反复关节出血(关节积血)。最常受累的三个关节是踝、膝和肘的滑膜关节。其中,踝和膝是最常见的出血部位,占80%的病例(Stephensen et al., 2009)。这种易感性源于以下因素:膝和踝是负重关节,且高度暴露于创伤。血友病治疗旨在通过预防性因子替代减少出血发作频率;然而,尽管接受治疗,关节出血仍可能复发,并可能导致永久性关节损伤。这种关节疾病会引起疼痛、活动范围减小以及潜在的姿势平衡受损,同时还增加跌倒风险。由于其复杂性及对个体的重要性,步态评估
【主题与分类】
主题标签:Hemophilia。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07851922
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/NCT07851922
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
病症:血友病。70-80%的血友病病例会发生反复关节出血(关节积血)。最常受累的三个关节是踝、膝和肘的滑膜关节。其中,踝和膝是最常见的出血部位,占病例的80%(Stephensen等,2009)。这种易感性源于膝和踝是承重关节且高度暴露于创伤等因素。血友病治疗旨在通过预防性因子替代减少出血发作频率;然而,尽管接受治疗,关节出血仍可能复发,可能导致永久性关节损伤。这种关节疾病会引起疼痛、活动范围减小以及姿势平衡可能受损,同时还增加跌倒风险。由于其复杂性及对个体的重要性,步态评估是评估不同人群(包括老年人、神经系统疾病患者和伤后康复者)活动能力、功能能力和康复进展的关键组成部分。
目前有多种临床测试和技术工具可用于测量步态的不同方面,如行走能力、耐力、适应性和疲劳度。计时行走测试——如计时起立-行走测试(TUG)、2分钟步行测试(2MWT)、6分钟步行测试(6MWT)、10米步行测试(10MWT)和计时25英尺步行测试(T25FW)——可测量步速、耐力和整体行走能力。这些测试的一个共同特点是,它们均涉及沿直线路径行走,方向变化很少甚至没有变化;虽然这使其在标准化临床环境中行之有效,但它们相对不太适合评估日常生活中复杂的移动需求。相比之下,8字步行测试(F8WT)需要不断改变方向和转弯,从而对预期性姿势调整、空间导航和运动规划提出挑战。文献h
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。




