MuCopilot移动应用可用性验证:囊性纤维化无监督客观评估数字工具

该数据集来自clinicaltrials.gov,主题为MuCopilot智能手机应用在囊性纤维化(CF)患者中的可用性与安全性验证

Ad scientiamAd scientiam
clinicaltrials
浏览 14
文本分类Cystic Fibrosis
A Usability Validation of the MuCopilot Mobile Application, a Digital Tool for the Unsupervised Objective Assessment of Cystic Fibrosis

基本信息

模态
文本
任务类型
分类
创建/更新时间
2026-10-14

资源简介

MuCopilot移动应用可用性验证:囊性纤维化无监督客观评估数字工具

该数据集来自clinicaltrials.gov,主题为MuCopilot智能手机应用在囊性纤维化(CF)患者中的可用性与安全性验证。MuCopilot用于在患者居家环境下、两次就诊之间进行无监督数字测试,采集肺功能、整体运动能力和患者报告结局等客观数据。研究计划纳入17名法国CF患者,包含1次入组访视和1次1小时30分钟的临床访视,患者可免费下载该应用并在访视中完成3项数字测试以监测CF。数据可用于评估数字医疗工具在呼吸系统疾病远程监测中的可用性与安全性(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:囊性纤维化。本研究旨在评估MuCopilot的可用性和使用安全性,MuCopilot是一款智能手机应用程序,用于测量囊性纤维化(CF)患者的肺功能、整体运动能力和患者报告结局的客观数据。这些数据在两次就诊之间于患者家中进行的无监督数字测试期间收集。主要目标是验证使用的可用性和安全性,以确保患者按预期使用该医疗器械,不出现不可接受的误用错误,也不出现不可接受的风险。该研究将纳入17名CF患者,并将在法国进行。他们将参加1次入组访视和1次临床访视(1小时30分钟)。患者将能够下载免费的MuCopilot移动应用程序。在访视期间,患者将完成3项数字测试以监测CF。

【主题与分类】

主题标签:Cystic Fibrosis。本站分类:呼吸系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT06132048

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/NCT06132048

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:囊性纤维化。本研究旨在评估MuCopilot的可用性和使用安全性,这是一款智能手机应用程序,用于测量囊性纤维化(CF)患者肺功能、整体运动能力和患者报告结局的客观数据。这些数据是在两次就诊之间,患者在家庭环境中进行无人监督的数字测试时收集的。主要目标是验证使用的可用性和安全性,以确保患者按预期使用该医疗器械,且不存在不可接受的使用错误和不可接受的风险。该研究将纳入17名CF患者,并将在法国进行。他们将参加1次入选访视和1次临床访视(1小时30分钟)。患者将能够下载免费的MuCopilot移动应用程序。在访视期间,患者将完成3项数字测试以监测CF功能(咳嗽、呼吸困难和步行)以及1份症状问卷。

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