帕金森病适应性体育活动教育

该数据集来自 clinicaltrials.gov,聚焦帕金森病早期患者的适应性体育活动教育项目。源站描述指出,帕金森病为进行性运动与非运动症状疾病,现有药物治疗对晚期轴性运动症状效果有限,非药物干预从发病起即很重要

University Hospital, LilleUniversity Hospital, Lille
clinicaltrials
浏览 10
其他分类Parkinson Disease
Education for Adapted Physical Activity in Parkinson's Disease

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-10

资源简介

帕金森病适应性体育活动教育

该数据集来自 clinicaltrials.gov,聚焦帕金森病早期患者的适应性体育活动教育项目。源站描述指出,帕金森病为进行性运动与非运动症状疾病,现有药物治疗对晚期轴性运动症状效果有限,非药物干预从发病起即很重要。研究通过对比接受教育项目的患者与等待名单患者,评估该项目对促进适应性体育活动的效果,假设为项目能提高以活动记录仪测量的一周日均中高强度体育活动。数据可用于帕金森病非药物干预、患者教育与行为改变相关研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:帕金森病。帕金森病是一种以运动和非运动症状为特征的进行性疾病。目前的医学治疗为对症治疗,对晚期轴性运动症状疗效甚微。因此,从疾病发作起,非药物方法就至关重要。除物理治疗外,进行规律的适应性体育活动也至关重要。要在日常生活中实施这种活动,意味着要改变习惯。患者教育项目是帮助改变行为的有用工具。该研究通过比较接受该项目的患者与等待名单上的患者,评估一个旨在促进早期帕金森病患者适应性体育活动的项目的效果。假设是该项目将增加以活动记录仪测量的一周日均中高强度体育活动。

【主题与分类】

主题标签:Parkinson Disease。本站分类:神经系统疾病/帕金森病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT04340492

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT04340492

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:帕金森病。帕金森病是一种以运动和非运动症状为特征的进行性疾病。目前的医学治疗均为对症治疗,对晚期轴性运动症状疗效甚微。因此,从疾病发作起,非药物方法至关重要。除物理治疗外,坚持定期进行适应性体育活动也至关重要。要在日常生活中实施这种活动,意味着要改变习惯。患者教育项目是帮助改变行为的有效工具。本研究通过比较接受该项目的患者与等待名单上的患者,评估一项旨在促进早期帕金森病患者进行适应性体育活动的项目效果。假设该项目将增加通过活动记录仪测量的一周平均每日中等到高强度体育活动量。

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。

获取专属数据定制方案