帕金森病气道保护康复
该数据集来自 clinicaltrials.gov,主题为帕金森病气道保护康复,属于神经系统疾病/帕金森病分类。源站描述指出,吞咽障碍与咳嗽障碍等气道保护障碍在帕金森病中高度流行,吸入性肺炎是常见死因,但尚无标准治疗方案,美国约40%的帕金森病患者无法获得相关康复服务

基本信息
资源简介
帕金森病气道保护康复
该数据集来自 clinicaltrials.gov,主题为帕金森病气道保护康复,属于神经系统疾病/帕金森病分类。源站描述指出,吞咽障碍与咳嗽障碍等气道保护障碍在帕金森病中高度流行,吸入性肺炎是常见死因,但尚无标准治疗方案,美国约40%的帕金森病患者无法获得相关康复服务。呼气肌力量训练(EMST)与咳嗽技能训练(CST)被发现可改善气道保护障碍,并可通过远程医疗实施。数据可用于帕金森病吞咽与咳嗽障碍的康复研究及相关分类任务(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:帕金森病、吞咽障碍。进行性气道保护障碍,如吞咽障碍(dysphagia)和咳嗽障碍(dystussia),在帕金森病中高度流行,并对健康和生活质量有显著负面影响。事实上,通常与吞咽障碍/咳嗽障碍相关的吸入性肺炎是帕金森病的主要死因。尽管如此,目前尚无针对该人群气道保护障碍治疗的标准治疗方案。更关键的是,美国约40%的帕金森病患者无法获得康复服务或针对这些可能危及生命的气道保护缺陷的专业照护。呼气肌力量训练(EMST)和咳嗽技能训练(CST)已被发现可改善帕金森病中的气道保护障碍,并且可通过远程医疗实施。然而,
【主题与分类】
主题标签:Parkinson Disease、Dysphagia。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/NCT05700825
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/NCT05700825
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:帕金森病、吞咽困难。进行性气道保护障碍,如吞咽障碍(吞咽困难)和咳嗽障碍(咳嗽无力),在帕金森病中极为普遍,并对健康和生活质量产生显著的负面影响。事实上,与吞咽困难/咳嗽无力常相关的吸入性肺炎,是帕金森病患者的主要死因。尽管如此,目前针对该人群气道保护障碍的治疗尚无确立的护理标准。更为关键的是,美国约有40%的帕金森病患者未能获得康复服务或针对这些可能危及生命的气道保护缺陷的专业治疗。呼气肌力量训练(EMST)和咳嗽技能训练(CST)已被发现能改善帕金森病中的气道保护障碍,并且通过远程医疗实施是可行的。然而,一个显著的临床-研究空白仍然存在,即尚未证明通过远程医疗与面对面方式提供这些治疗时,临床结局具有可比性(非劣效性)。
这一差距限制了患者获得这些重要服务的机会,对健康和生活质量造成不利影响。这一研究方向的长期目标是改善帕金森病(PD)患者的健康结局,尤其是与气道保护功能障碍相关的结局。本申请的目标是将EMST+CST联合干预——并比较面对面实施与通过远程医疗实施时的短期和长期临床结局及以患者为中心的结局。此外,研究者将评估特定患者负担因素及由此产生的治疗依从性对临床结局的作用。因此,本研究的目标是:1)比较帕金森病患者接受为期四周的强化面对面与远程医疗EMST+CST治疗后的临床结局及以患者为中心的结局;2)比较帕金森病患者接受面对面与通过远程医疗提供的长期EMST+CST维持项目后的临床结局及以患者为中心的结局。
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。




