在线瑜伽项目对支气管扩张患者运动能力与生活质量的影响
该数据集来自 clinicaltrials.gov,主题为在线瑜伽项目对支气管扩张患者运动能力和生活质量的影响。支气管扩张是一种慢性进行性呼吸系统疾病,患者常出现呼吸困难、运动耐量下降、疲劳及生活质量受损

基本信息
资源简介
在线瑜伽项目对支气管扩张患者运动能力与生活质量的影响
该数据集来自 clinicaltrials.gov,主题为在线瑜伽项目对支气管扩张患者运动能力和生活质量的影响。支气管扩张是一种慢性进行性呼吸系统疾病,患者常出现呼吸困难、运动耐量下降、疲劳及生活质量受损。瑜伽作为身心干预,整合呼吸练习、体式和放松技术,既往在哮喘和慢性阻塞性肺病等慢性呼吸疾病中显示出改善呼吸肌功能、通气效率和整体健康的潜力。该数据可用于评估瑜伽干预在支气管扩张人群中的效果,支持呼吸康复与运动干预相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Bronchiectasis Adult, Yoga。支气管扩张是一种慢性进行性呼吸系统疾病,以不可逆的支气管扩张、慢性气道炎症和反复感染为特征。患者常出现呼吸困难、运动耐量下降、疲劳和生活质量受损。除药物治疗外,肺康复和基于运动的干预在症状管理和功能改善中发挥重要作用。瑜伽是一种身心干预,整合了呼吸练习(pranayama)、身体姿势(asanas)和放松技术。既往在哮喘和慢性阻塞性肺病等慢性呼吸系统疾病中的研究表明,瑜伽可以改善呼吸肌功能、通气效率和整体健康状况。然而,关于其有效性的证据尚不
【主题与分类】
主题标签:Bronchiectasis Adult、Yoga。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/NCT07540936
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/NCT07540936
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:成人支气管扩张,瑜伽。支气管扩张是一种慢性和进行性呼吸系统疾病,其特征为不可逆的支气管扩张、慢性气道炎症和反复感染。患者常出现呼吸困难、运动耐量下降、疲劳和生活质量受损。除药物治疗外,肺康复和基于运动的干预在症状管理和功能改善中发挥重要作用。瑜伽是一种身心干预,整合了呼吸练习(调息法)、身体姿势(体式)和放松技术。既往在慢性呼吸系统疾病(如哮喘和慢性阻塞性肺疾病)中的研究表明,瑜伽可以改善呼吸肌功能、通气效率和整体健康状况。然而,关于其在支气管扩张中有效性的证据仍然有限。
本随机对照试验旨在探讨为期八周的在线瑜伽项目对非囊性纤维化支气管扩张症患者肺功能、功能性运动能力、呼吸困难感知及疾病特异性生活质量的影响。参与者于2025年1月至2025年10月期间从伊斯坦布尔梅迪波尔大学胸科招募。符合条件的参与者采用计算机生成的随机化方法,被随机分配至瑜伽干预组或对照组。干预措施包括在八周内进行的24次有监督的在线瑜伽课程(每周三次)。每次课程包括结构化呼吸练习、体位练习和放松技术,旨在改善呼吸控制、胸廓扩张和身体感知。对照组在研究期间接受标准护理,不进行额外干预。结局指标包括肺功能参数(FEV1、FVC、FEV1/FVC、PEF、FEF25-75)、通过六分钟步行评估的功能性运动能力
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。




