腹带对哮喘患者呼吸困难、控制暂停及生活质量的影响

本数据集来自 clinicaltrials.gov,聚焦呼吸系统疾病中的哮喘,收录一项随机对照试验(RCT)的相关信息。该试验纳入 32 名 18-60 岁哮喘患者,分为实验组与对照组,实验组接受腹带辅助膈式呼吸训练(每周 14 次,持续 4 周),对照组进行常规膈式呼吸训练

Foundation University IslamabadFoundation University Islamabad
clinicaltrials
浏览 16
其他回归Asthma
Effects of Abdominal Binder on Dysnea, Control Pause and Quality of Life in Asthmatic Patients

基本信息

模态
其他
任务类型
回归
创建/更新时间
2026-10-08

资源简介

腹带对哮喘患者呼吸困难、控制暂停及生活质量的影响

本数据集来自 clinicaltrials.gov,聚焦呼吸系统疾病中的哮喘,收录一项随机对照试验(RCT)的相关信息。该试验纳入 32 名 18-60 岁哮喘患者,分为实验组与对照组,实验组接受腹带辅助膈式呼吸训练(每周 14 次,持续 4 周),对照组进行常规膈式呼吸训练。研究旨在评估呼吸力学改善情况,重点关注减轻呼吸困难、延长屏气时间(控制暂停)以及提升哮喘相关生活质量,训练强度由第 1-2 周的低阻力逐步过渡到第 3-4 周的高阻力(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:哮喘。这项随机对照试验(RCT)研究腹带作为膈式呼吸辅助手段在 32 名哮喘患者(年龄 18-60 岁)中的疗效。参与者被分配到两组:实验组接受腹带辅助的膈式呼吸练习(每周 14 次,持续 4 周),而对照组进行常规膈式呼吸练习。该研究旨在评估呼吸力学的改善,特别关注减轻呼吸困难、延长屏气时间(控制暂停)以及提升哮喘相关生活质量。干预措施包括在膈式呼吸期间应用外部腹带以提供阻力和触觉反馈。训练强度从低阻力(第 1-2 周)进展到高阻力(第 3-4 周)。主要目标是优化膈

【主题与分类】

主题标签:Asthma。本站分类:呼吸系统疾病/哮喘。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07612384

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/NCT07612384

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:哮喘。本随机对照试验(RCT)研究腹带作为膈式呼吸辅助手段在32名哮喘患者(年龄18-60岁)中的疗效。参与者被分配至两组:实验组接受腹带辅助的膈式呼吸练习(每周14次,持续4周),而对照组进行常规膈式呼吸练习。本研究旨在评估呼吸力学的改善,特别关注减轻呼吸困难、增加屏气时间(控制暂停)以及提高哮喘相关生活质量。干预措施包括在膈式呼吸过程中应用外部腹带以提供阻力和触觉反馈。训练强度从轻度阻力(第1-2周)进展到高度阻力(第3-4周)。主要目标是优化膈肌移动度并减少与哮喘性肺过度充气相关的呼吸做功。

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