评估膳食补充剂联合运动对肌少症合并肺部疾病患者的效果
该数据集来自clinicaltrials.gov,是一项前瞻性、多中心、非侵入性队列研究,覆盖COPD或ILD合并肌少症或严重肌少症的患者

基本信息
资源简介
评估膳食补充剂联合运动对肌少症合并肺部疾病患者的效果
该数据集来自clinicaltrials.gov,是一项前瞻性、多中心、非侵入性队列研究,覆盖COPD或ILD合并肌少症或严重肌少症的患者。干预措施为提供营养补充剂并监督运动12周,干预后对愿意继续服用产品的参与者免费提供三个月市价约每月NT$4,000的营养补充剂并追踪一年。研究主要目的是探究干预前后身体表现、身体成分和肺功能的改善,次要目的是比较相同干预对肌少症及不同严重程度肌少症的效果。数据可用于分析营养联合运动对肌少症合并肺部疾病患者身体表现、身体成分及肺功能变化的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:肌少症、COPD、ILD。本临床试验设计为前瞻性、多中心、非侵入性队列研究。所有参与者均被诊断为COPD或ILD并伴有肌少症或严重肌少症。干预措施包括提供营养补充剂和监督运动,持续12周。干预后(第12周),试验委托公司向愿意继续服用产品的参与者免费提供三个月市价约每月NT$4,000的营养补充剂。这些参与者将被追踪一年。研究的主要目的是探究干预前后身体表现、身体成分和肺功能的改善。次要目的是比较相同干预对肌少症及不同严重程度肌少症的效果。
【主题与分类】
主题标签:Sarcopenia、COPD、ILD。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/NCT05926713
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/NCT05926713
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:肌少症、COPD、ILD。临床试验设计 本研究为前瞻性、多中心、非侵入性队列研究。所有参与者均被诊断为COPD或ILD并伴有肌少症或严重肌少症。干预措施包括提供营养补充剂和监督下运动,持续12周。干预后(第12周),试验委托公司向愿意继续服用产品的参与者免费提供市场价约每月新台币4,000元的营养补充剂,为期三个月。这些参与者将被随访一年。本研究的主要目的是探讨干预前后身体表现、身体成分和肺功能的改善情况。次要目的是比较相同干预对肌少症及不同严重程度肌少症在身体表现、身体成分和肺功能改善方面的效果。此外,进行亚组分析,比较达到运动要求者与未达到者在身体表现、身体成分和肺功能方面的差异。
试验流程 1. 通过问卷收集基线人口学特征、健康行为及运动习惯。 2. 收集主要疾病诊断、用药情况、临床评估问卷或生化检查及影像学检查结果。 3. 根据2019年亚洲肌少症共识,采用SARC-Calf问卷、握力测试及体能测试(包括坐立试验、简易体能状况量表(SPPB)、步速测试和六分钟步行试验)对参与者进行检查。随后,对所有参与者进行生物电阻抗分析(BIA)和双能X线吸收法(DXA)以分析身体成分。参与者被分为肌少症组和严重肌少症组。 4. 所有患者均接受肺功能检查及血液
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。




