COVID-19慢性适应与运动应答(COVID-CARE)
该数据集来自clinicaltrials.gov,为一项随机对照试验,旨在确定有氧运动训练是否对COVID-19幸存者的身体功能、健康相关生活质量、自由生活体力活动和睡眠质量有益

基本信息
资源简介
COVID-19慢性适应与运动应答(COVID-CARE)
该数据集来自clinicaltrials.gov,为一项随机对照试验,旨在确定有氧运动训练是否对COVID-19幸存者的身体功能、健康相关生活质量、自由生活体力活动和睡眠质量有益。参与者被随机分为有氧运动训练与教育组(AET+)或仅教育对照组(CON),干预10周,在基线和10周后评估上述指标。CON组在10周随访后交叉进行AET。所有参与者被监测一年,以捕捉自由生活体力活动、睡眠质量和健康相关生活质量结局。数据可用于分析运动干预对COVID-19康复者身体功能、生活质量、体力活动和睡眠的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:COVID-19。研究描述:这项随机对照试验将确定有氧运动训练是否对COVID-19幸存者的身体功能、健康相关生活质量、自由生活体力活动和睡眠质量有益。参与者将被随机分配到有氧运动训练与教育(AET+)组或仅教育对照组(CON),为期10周。身体功能、自我报告的生活质量(QOL)健康结局、自由生活体力活动和睡眠质量的评估将在基线和10周干预期后进行。CON组的参与者将在10周随访后交叉进行AET。所有参与者将被监测一年,以捕捉随时间变化的自由生活体力活动、睡眠质量和健康相关QOL结局。
【主题与分类】
主题标签:COVID-19。本站分类:呼吸系统疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04595773
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/NCT04595773
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:COVID-19。研究描述:这项随机对照试验将确定有氧运动训练是否对COVID-19幸存者的身体功能、健康相关生活质量、自由生活体力活动和睡眠质量有益。参与者将被随机分配到有氧运动训练与教育(AET+)组或仅接受教育的对照组(CON),为期10周。身体功能评估、自我报告的生活质量(QOL)健康结果、自由生活体力活动和睡眠质量将在基线和10周干预期后进行测量。CON组的参与者在10周随访访视后将交叉并进行AET。所有参与者将被监测一年,以捕捉随时间变化的自由生活体力活动、睡眠质量和健康相关QOL结果。假设在10周后,AET+在身体功能、健康相关QOL、自由生活体力活动和睡眠质量方面将显示出更大的改善。
目的:主要目的:考察有氧运动训练对COVID-19康复期参与者身体功能的影响。次要目的:考察有氧运动训练对COVID-19康复期参与者患者报告结局及其他健康相关生活质量组成部分的影响;考察有氧运动训练对COVID-19康复期参与者自由生活体力活动和睡眠质量的影响。探索性目的:探索有氧运动训练对COVID-19康复期参与者临床结局、心肺功能、认知、生物标志物、代谢组学、超声肌肉测量及血管功能的影响;探索在COVID-19康复期参与者交叉CON组中远程实施AET方案的可行性;探索随访体力活动、睡眠质量和健康相关生活质量结局
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。




