肺康复与标准治疗对心包炎患者效果的随机对照试验

本数据集来自 clinicaltrials.gov,聚焦心包炎患者,开展一项随机对照试验,比较肺康复与标准医疗护理的效果

University of LahoreUniversity of Lahore
clinicaltrials
浏览 4
表格分类Pericarditis
Effects of Pulmonary Rehabilitation Versus Standard Care in Patients With Pericarditis

基本信息

模态
表格
任务类型
分类
创建/更新时间
2026-10-11

资源简介

肺康复与标准治疗对心包炎患者效果的随机对照试验

本数据集来自 clinicaltrials.gov,聚焦心包炎患者,开展一项随机对照试验,比较肺康复与标准医疗护理的效果。参与者分为干预组和对照组,干预组接受包含呼吸练习、有氧训练和患者教育的肺康复方案,旨在改善呼吸效率并减轻症状负担。结局指标涵盖疼痛强度、呼吸困难、咳嗽严重程度、疲劳和焦虑,采用视觉模拟量表(VAS)和 McMaster 咳嗽严重程度问卷等经过验证的工具,在基线和干预完成后进行评估。该数据可用于评估肺康复在心包炎人群中的临床价值,支持症状管理与功能改善相关研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):病症:心包炎。本随机对照试验评估肺康复与标准治疗对确诊心包炎患者的比较效果。参与者被分配到两组:接受肺康复的干预组和接受标准医疗护理的对照组。肺康复包括呼吸练习、有氧训练和患者教育,旨在改善呼吸效率并减轻症状负担。此类方案广泛用于改善临床人群的功能能力和生活质量[1]。结局指标包括疼痛强度、呼吸困难、咳嗽严重程度、疲劳和焦虑,使用视觉模拟量表(VAS)和 McMaster 咳嗽严重程度问卷等经过验证的工具进行评估。评估将在基线和干预完成后进行。

【主题与分类】

主题标签:Pericarditis。本站分类:呼吸系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07716696

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

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://clinicaltrials.gov/study/NCT07716696

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:心包炎。本随机对照试验评估肺康复与标准护理在确诊心包炎患者中的比较效果。参与者被分配至两组:接受肺康复的干预组和接受标准医疗护理的对照组。肺康复包括呼吸练习、有氧训练和患者教育,旨在提高呼吸效率并减轻症状负担。此类项目广泛用于改善临床人群的功能能力和生活质量[1]。结局指标包括疼痛强度、呼吸困难、咳嗽严重程度、疲劳和焦虑,使用视觉模拟量表(VAS)和麦克马斯特咳嗽严重程度问卷等经过验证的工具进行评估。评估将在基线时和干预期结束后进行。

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。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。