功能性旋转运动对帕金森病患者跌倒风险与活动能力的影响
该数据集来自 clinicaltrials.gov，关注功能性旋转运动对帕金森病患者跌倒风险与活动能力的影响。研究对象为特发性帕金森病患者（Hoehn and Yahr 1-2 期，年龄 50-70 岁），从伊斯坦布尔某医疗中心的物理治疗与康复门诊招募，共分两组、每组 25 人
基本信息
资源简介
功能性旋转运动对帕金森病患者跌倒风险与活动能力的影响
该数据集来自 clinicaltrials.gov，关注功能性旋转运动对帕金森病患者跌倒风险与活动能力的影响。研究对象为特发性帕金森病患者（Hoehn and Yahr 1-2 期，年龄 50-70 岁），从伊斯坦布尔某医疗中心的物理治疗与康复门诊招募，共分两组、每组 25 人。对照组接受常规拉伸、力量、平衡与步态训练，实验组在减量常规训练基础上加入 18-20 分钟功能性转身练习，两组单次训练总时长相近（约 45-50 分钟），由物理治疗师一对一实施，每周 3 次、持续 12 周（共 36 次）。评估工具包括 Timed Up and Go 测试、10-Meter Walk Test 和 Berg Balance Scale，可用。
【数据内容】
源站描述（机器翻译，仅供参考）：Conditions: Parkinson Disease, Parkinsonism. 特发性帕金森病患者（Hoehn and Yahr 1-2 期，年龄 50-70 岁）从伊斯坦布尔一家医疗中心的物理治疗与康复门诊招募。参与者通过从装有 50 张纸条的不透明袋子中抽签的方式被分配到两组（每组 25 人）。对照组接受常规的拉伸、力量、平衡和步态训练方案。实验组接受相同常规方案的减量版本，并加上 18-20 分钟的功能性转身练习，使两组的单次训练总时长相近（约 45-50 分钟）。所有训练均由物理治疗师一对一实施，每周三次，持续 12 周（36 次）。Timed Up and Go 测试、10-Meter Walk Test 和 Berg Balance Scale 在基线时进行
【主题与分类】
主题标签：Parkinson Disease、Parkinsonism。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/NCT07442370
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/NCT07442370
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
条件：帕金森病、帕金森综合征。从伊斯坦布尔一家医疗中心的物理治疗与康复门诊招募特发性帕金森病患者（Hoehn和Yahr分期1-2期，年龄50-70岁）。参与者通过从不透明袋中抽取50张纸条的方式被分配到两组（每组25人）。对照组接受常规的拉伸、力量、平衡和步态训练方案。实验组接受相同常规方案但剂量减少，同时进行18-20分钟的功能性转身训练，使两组的总训练时长相近（约45-50分钟）。所有训练均由物理治疗师一对一进行，每周3次，持续12周（共36次）。在基线时及干预结束后两天，在“开”期状态下进行计时起立-行走测试、10米步行测试和Berg平衡量表评估；每项测试进行3次并取平均值。结果评估未设盲。
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。
