帕金森病神经精神波动量表重测信度研究
该数据集来自 clinicaltrials.gov,主题为帕金森病神经精神波动量表的重测信度研究。帕金森病进展过程中,大量患者会出现与神经精神波动相关的运动状态波动,表现为抑郁、焦虑、淡漠与轻躁狂状态、冲动及注意力障碍交替出现,可能显著影响患者及照护者生活质量,并增加自我用药与成瘾风险

基本信息
资源简介
帕金森病神经精神波动量表重测信度研究
该数据集来自 clinicaltrials.gov,主题为帕金森病神经精神波动量表的重测信度研究。帕金森病进展过程中,大量患者会出现与神经精神波动相关的运动状态波动,表现为抑郁、焦虑、淡漠与轻躁狂状态、冲动及注意力障碍交替出现,可能显著影响患者及照护者生活质量,并增加自我用药与成瘾风险。研究团队此前开发了20条目自评问卷神经精神波动量表(NFS),用于评估急性期神经精神波动。该数据可用于量表信度评估及相关临床研究(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。在帕金森病的进展过程中,大量患者会经历与神经精神波动(NPF)相关的运动状态波动(抑郁、焦虑和淡漠发作与轻躁狂状态、冲动性和注意力障碍交替出现)。NPF可能对患者及其照护者的生活质量产生显著影响。此外,这些波动的存在是发展自我用药行为的风险因素,可能导致对抗帕金森病治疗成瘾。由于缺乏评估NPF的特定工具,我们的团队开发了一份包含20个条目的自评问卷,专门评估急性期的NPF:神经心理波动量表(NFS),该量表首次发表于Movement Disorders, Clinical Practice(Schmitt et al., 2018)。最近,我们研究
【主题与分类】
主题标签:Parkinson's 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/NCT06701955
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/NCT06701955
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。在帕金森病的进展过程中,大量患者会经历与神经精神波动(NPF)相关的运动状态波动(表现为抑郁、焦虑和冷漠的交替发作,以及轻躁狂状态、冲动性和注意力障碍)。NPF可能对患者及其照护者的生活质量产生显著影响。此外,这些波动的存在是发展自我药疗行为的风险因素,可能导致对抗帕金森病治疗成瘾。由于缺乏评估NPF的专用工具,我们的团队开发了一份包含20个条目的自评问卷,专门评估急性期的NPF:神经心理波动量表(NFS),该量表首次发表于Movement Disorders, Clinical Practice(Schmitt等,2018)。最近,我们在两个帕金森病患者群体和一般人群中研究了NFS的心理测量学特性(EFN预验证和EFN验证研究:ClinicalTrials.gov NCT04455074)。
关于NFS的内部一致性、敏感性、特异性,以及其内部结构和外部效度的结果,已于2023年发表在《Frontiers in Neurology》上(Schmitt等,2023)。研究已证明,NFS是一种创新工具,能够补充现有的运动和非运动评估,其在诊断和管理NPF方面的实用性显著。为了最终完成NFS的验证并进一步了解其心理测量学特征,通过重测信度评估NFS的时间稳定性是必不可少的一步。
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。




