烧伤患者中的虚幻运动研究
该数据集来自 clinicaltrials.gov,聚焦烧伤患者早期急性阶段的虚幻运动研究。源站描述显示,研究旨在探究虚幻运动是否适用于烧伤面积达 20% TBSA 及以上的患者,并检验其能否减轻肌肉分解代谢

基本信息
资源简介
烧伤患者中的虚幻运动研究
该数据集来自 clinicaltrials.gov,聚焦烧伤患者早期急性阶段的虚幻运动研究。源站描述显示,研究旨在探究虚幻运动是否适用于烧伤面积达 20% TBSA 及以上的患者,并检验其能否减轻肌肉分解代谢。研究设计为实用性交叉试验,纳入烧伤患者分为 A、B 两组(各 n=10),另设健康志愿者 C 组(n=10),预期住院 35 天以上。数据可用于分析虚幻运动对烧伤患者代谢与康复的潜在影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:分解代谢状态、烧伤、错觉、动觉。本项目旨在探究虚幻运动是否适用于烧伤疾病早期阶段的患者,以及它们如何影响患者的代谢。我们将检验以下假设: 虚幻运动适用于烧伤疾病早期急性阶段烧伤面积达 20% TBSA 及以上的患者。 虚幻运动可减轻大面积烧伤患者的肌肉分解代谢程度。解决方案:这是一项在烧伤疾病早期急性阶段烧伤面积达 20% TBSA 或以上、预期住院 35 天或以上的患者中开展的实用性交叉研究。符合纳入标准的患者将被分为两组,A 组(n = 10)和 B 组(n = 10)。C 组将由健康志愿者组成(n = 10)。研究将在患者……之后开始
【主题与分类】
主题标签:Catabolic State、Burns、Illusions, Kinesthetic。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04467619
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/NCT04467619
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:分解代谢状态、烧伤、错觉、运动觉。本项目旨在探究错觉运动是否适用于烧伤病程早期患者,以及其如何影响患者代谢。我们将验证以下假设:* 错觉运动适用于烧伤面积达20%TBSA及以上的烧伤病程早期急性期患者。* 错觉运动可减轻大面积烧伤患者的肌肉分解代谢程度。解决方案:这是一项实用性交叉研究,纳入烧伤面积达20%TBSA及以上、处于烧伤病程早期急性期且预计住院35天及以上的患者。符合纳入标准的患者将分为两组,A组(n=10)和B组(n=10)。C组由健康志愿者组成(n=10)。研究将在患者基本心肺功能稳定后开始,通常对应伤后第3-5天。
A组:早期幻影运动
第1阶段:入组A组的患者将从研究开始(第1天)起,按照主治外科医生的指示,由独立的物理治疗师进行标准康复训练,同时由研究护士实施FPS,每天两次,每次30分钟,在标准康复训练结束后2小时或更长时间进行,持续14天(第15天)。
第2阶段:从第16天起,患者仅按照主治外科医生的指示,由独立的物理治疗师进行标准康复训练,持续14天(第30天)。
B组:延迟幻影运动
第1阶段:入组B组的患者将从研究开始(第1天)起,按照主治外科医生的指示,由独立的物理治疗师进行标准康复训练,持续14天(第15天)。
第2阶段:随后,从第16天起,在标准物理治疗之外,由研究护士实施FPS,每天两次,每次30分钟,在标准物理治疗后2小时或更长时间进行
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。
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。




