肌张力障碍中的疲劳(单次访视、基于问卷的肌张力障碍疲劳研究)

该数据集来自 clinicaltrials.gov,研究肌张力障碍患者中疲劳的患病率。数据通过单次访视、基于问卷的方式采集,重点关注睡眠习惯与日间嗜睡情况,以辅助解读疲劳数据

University of FloridaUniversity of Florida
clinicaltrials
浏览 9
表格分类Dystonia
Fatigue in Dystonia (a Single Session, Questionnaire-based Study of Fatigue in Dystonia)

基本信息

模态
表格
任务类型
分类
创建/更新时间
2026-10-17

资源简介

肌张力障碍中的疲劳(单次访视、基于问卷的肌张力障碍疲劳研究)

该数据集来自 clinicaltrials.gov,研究肌张力障碍患者中疲劳的患病率。数据通过单次访视、基于问卷的方式采集,重点关注睡眠习惯与日间嗜睡情况,以辅助解读疲劳数据。所用工具包括 Epworth Sleepiness Scale 评估日间嗜睡、Parkinson's Disease Sleep Scale 评估常见睡眠障碍,以及 Multidimensional Fatigue Inventory 和 Fatigue Severity Scale 评估疲劳。数据可用于分析肌张力障碍患者疲劳与睡眠相关因素的关系,并支持疲劳患病率及相关因素的分类研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):Conditions: Dystonia。本研究的目的是确定肌张力障碍患者中疲劳的患病率。有许多因素可能影响疲劳,但其中最重要的或许是睡眠。因此,收集睡眠习惯和嗜睡情况的数据至关重要,以帮助我们解读疲劳数据。我们将使用 Epworth Sleepiness Scale 评估日间嗜睡,使用 Parkinson's Disease Sleep Scale 评估影响运动障碍患者的常见睡眠障碍是否存在,同时使用 Multidimensional Fatigue Inventory 和 Fatigue Severity Scale。

【主题与分类】

主题标签:Dystonia。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/NCT00954408

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/NCT00954408

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

疾病:肌张力障碍。本研究旨在确定肌张力障碍患者中疲劳的患病率。有许多因素可能影响疲劳,但其中最重要的或许是睡眠。因此,收集有关睡眠习惯和嗜睡情况的数据对于解读我们的疲劳数据至关重要。我们将使用Epworth嗜睡量表评估日间嗜睡情况,并使用帕金森病睡眠量表评估影响运动障碍患者的常见睡眠障碍是否存在,同时结合多维疲劳量表和疲劳严重程度量表。

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