末端执行器型机器人辅助步态训练对烧伤患者步态模式的影响

该数据集来自 clinicaltrials.gov,关注下肢烧伤患者在接受末端执行器型机器人辅助步态训练(RAGT)时的步态模式变化

Hangang Sacred Heart HospitalHangang Sacred Heart Hospital
clinicaltrials
浏览 9
基因组BurnsGait TrainingRehabilitation
Effect on Gait Pattern During Robot Assisted Gait Training (RAGT) of End-effector Type in Burn Patients

基本信息

模态
基因组
创建/更新时间
2026-10-20

资源简介

末端执行器型机器人辅助步态训练对烧伤患者步态模式的影响

该数据集英文名为 Effect on Gait Pattern During Robot Assisted Gait Training (RAGT) of End-effector Type in Burn Patients,来源于 clinicaltrials.gov,主题标签为 Burns、Gait Training、Rehabilitation。其关注对象是下肢烧伤患者:这类患者因疼痛或关节挛缩而出现步态功能障碍,患侧并发症还会导致步态不对称;持续的步态不对称可能带来患侧骨密度下降、健侧因代偿动作而过度使用损伤、姿势控制受损以及步态效率低下等负面后果。数据集围绕末端执行器型机器人辅助步态训练(RAGT)过程中步态模式的变化展开,属于步态训练与康复研究方向的数据资源。本站将其归类为呼吸系统疾病 / 其他。

【数据集背景】

下肢烧伤患者常因疼痛或关节挛缩而出现步态功能障碍,患侧并发症还会引起步态不对称。持续的步态不对称使患者面临多种潜在负面后果,包括患侧骨密度下降、健侧因代偿动作而发生过度使用损伤、姿势控制受损以及步态效率低下。通过物理治疗尽早开展步态训练,是改善患者生活质量、功能结局并减轻烧伤相关并发症的关键策略。常规物理治疗有助于增加关节活动度(ROM)、减轻烧伤或皮肤移植后的挛缩,其重点包括患者体位、ROM 等内容。该数据集即在这一康复背景下,考察末端执行器型机器人辅助步态训练对步态模式的影响。

【数据内容】

该数据集的主题标签为 Burns、Gait Training、Rehabilitation,关注下肢烧伤患者在接受末端执行器型机器人辅助步态训练(RAGT)时的步态模式变化。源站描述提及的条件包括 Burns、Gait Training、Rehabilitation。关于具体受试者数量、步态参数条目、随访时间点、数据字段结构等细节,源站未提供。

【采集与来源】

该数据集来源于 clinicaltrials.gov,英文名称为 Effect on Gait Pattern During Robot Assisted Gait Training (RAGT) of End-effector Type in Burn Patients。除来源站与名称外,具体的采集流程、采集设备、采集环境与时间范围等信息,源站未提供。

【适用场景】

基于其主题,该数据集适用于烧伤后康复、步态训练与步态模式评估相关的研究场景,尤其是围绕末端执行器型机器人辅助步态训练(RAGT)的步态变化分析。关于更具体的适用条件与使用范围,源站未提供。

【使用方法】

源站未提供。

【质量与限制】

源站未提供。

【引用与许可】

源站未提供。

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/NCT06564090

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:烧伤、步态训练、康复。下肢烧伤患者因疼痛或关节挛缩而出现步态功能障碍,并因患侧并发症而出现步态不对称。持续存在的步态不对称使这些患者面临潜在不良后果的风险,如患侧骨密度降低、健侧因代偿动作而过度使用损伤、姿势控制受损以及步态效率低下。通过物理治疗进行早期步态训练是提高患者生活质量、改善功能结局并减轻烧伤相关并发症的关键策略。传统物理治疗有助于促进关节活动度(ROM)增加并减轻烧伤或皮肤移植后的挛缩。

物理治疗以患者的体位摆放、关节活动度、肌肉力量、耐力、平衡、协调及呼吸康复为核心。既往使用末端执行器型机器人辅助步态训练(RAGT)治疗步态障碍患者的研究表明,RAGT联合常规物理治疗可显著改善步行速度、步态表现和肌力。本研究旨在探讨因烧伤导致步态障碍的患者在接受末端执行器型机器人(Morning Walk®)辅助步态训练(RAGT)后步态模式和肌力的改善情况。本研究将36例患者随机分配至两组:30分钟Morning Walk®训练联合30分钟常规物理治疗(RAGT组),或60分钟常规物理治疗(CON组)。每周进行5次训练,持续8周。主要结局指标为步态表现和肌力,分别采用功能性步行分级(FAC)和徒手肌力测试(MMT)进行评估。次要结局指标包括6分钟步行试验(6MWT)、步态运动学及步态时空参数。

本研究的结果预计,存在步态障碍的患者

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