针对患有哮喘的黑人女性的身体活动干预
该数据集来自 clinicaltrials.gov,聚焦患有哮喘的黑人女性群体。源站描述指出,身体活动不足与哮喘控制不佳、生活质量下降及医疗资源使用增加相关,而黑人女性的身体活动不足率、哮喘患病率及哮喘死亡率均高于白人女性

基本信息
资源简介
针对患有哮喘的黑人女性的身体活动干预
该数据集来自 clinicaltrials.gov,聚焦患有哮喘的黑人女性群体。源站描述指出,身体活动不足与哮喘控制不佳、生活质量下降及医疗资源使用增加相关,而黑人女性的身体活动不足率、哮喘患病率及哮喘死亡率均高于白人女性。研究识别出该群体参与身体活动的障碍,包括缺乏社会支持、自我效能不足、社区不安全以及对致命性哮喘急性发作的恐惧。数据集可用于支持针对该人群优化身体活动干预的研究,并评估干预对哮喘结局的潜在影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:哮喘。身体活动不足与哮喘控制不佳、生活质量差以及更高的医疗资源使用相关。黑人女性的身体活动不足率、哮喘患病率和哮喘死亡率均高于白人女性。我们的前期工作确定了患有哮喘的黑人女性参与身体活动的障碍,包括缺乏社会支持、自我效能不足、社区不安全以及对危及生命的哮喘急性发作经历的恐惧。鉴于该人群面临独特的身体活动障碍且身体活动不足率高,而身体活动不足又与黑人女性不良哮喘结局相关,迫切需要针对该人群优化身体活动干预。拟议研究使用我们理论驱动的干预方案(ACTION:A lifestyle physiCal acTivity Intervention for minOrity womeN with asthma),实施为期24周的生活方式身体活动干预设计。
【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/NCT05726487
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/NCT05726487
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:哮喘。缺乏身体活动与哮喘控制不佳、生活质量下降以及医疗资源使用增加相关。黑人女性中缺乏身体活动、哮喘及哮喘死亡率均高于白人女性。我们的前期研究确定了黑人哮喘女性进行身体活动的障碍,包括缺乏社会支持、自我效能感低、社区不安全以及对危及生命的哮喘急性发作经历的恐惧。鉴于黑人女性面临独特的身体活动障碍,且缺乏身体活动比例高,这些因素与不良哮喘结局相关,因此迫切需要针对该人群优化身体活动干预措施。拟议研究采用我们以理论驱动的干预方案(ACTION:针对少数族裔哮喘女性的生活方式身体活动干预),实施一项为期24周、专为城市黑人哮喘女性设计并由其参与制定的生活方式身体活动干预。参与者将通过两个为多元化城市黑人群体提供医疗服务的城市医疗系统招募。
参与者将被随机分配到两组中的一组:1)ACTION干预组(小组会议、体力活动自我监测以及基于文本的目标设定支持),或2)教育对照组(一次个体哮喘教育课程以及与哮喘教育相关的短信)。参与者在干预结束后还将接受额外24周的随访,以评估干预对哮喘健康结局的效果是否得以维持。我们拟开展一项疗效研究,重点关注哮喘结局(目标1A/B),探索干预的行为机制(目标2),并评估影响其覆盖范围和实施潜力的因素(目标3)。本试验将首次提供生活方式体力活动干预对城市黑人女性哮喘患者疗效的证据,这一人群研究不足,却深受体力活动水平低和健康结局不良的困扰。我们的研究极有潜力推动临床治疗
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。




