下肢淋巴水肿的呼吸与放松训练研究

该数据集来自 clinicaltrials.gov,聚焦下肢淋巴水肿患者,探讨在 Complex Decongestive Therapy(CDT)基础上增加呼吸与放松训练对肌肉氧合的影响

Toros UniversityToros University
clinicaltrials
浏览 2
时间序列分类Lower Extremity Lymphedema
Respiratory and Relaxation Training in Lower Extremity Lymphedema

基本信息

模态
时间序列
任务类型
分类
创建/更新时间
2026-10-28

资源简介

下肢淋巴水肿的呼吸与放松训练研究

该数据集来自 clinicaltrials.gov,聚焦下肢淋巴水肿患者,探讨在 Complex Decongestive Therapy(CDT)基础上增加呼吸与放松训练对肌肉氧合的影响。源站描述指出,呼吸训练可能通过改变胸腔内压促进淋巴回流,放松训练可能降低交感神经激活、改善运动耐受,但二者联合对肌肉氧合的证据有限。数据可用于评估呼吸与放松训练作为 CDT 辅助干预的生理与功能结局,支持康复方案研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:下肢淋巴水肿。下肢淋巴水肿是一种慢性疾病,特征为淋巴引流受损、肢体肿胀、疼痛、身体功能下降和生活质量降低。Complex Decongestive Therapy(CDT)被视为金标准治疗;然而,可能改善生理和功能结局的附加干预仍在研究中。呼吸训练可能通过改变胸腔内压促进淋巴回流,而放松训练可能降低交感神经激活并改善运动耐受。尽管有这些理论上的益处,关于二者联合对下肢淋巴水肿患者肌肉氧合影响的证据有限。因此,这项随机对照研究将评估在 CDT 基础上增加呼吸与放松训练是否能改善肌肉氧

【主题与分类】

主题标签:Lower Extremity Lymphedema。本站分类:呼吸系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07697482

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/NCT07697482

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:下肢淋巴水肿。下肢淋巴水肿是一种慢性疾病,其特征为淋巴引流受损、肢体肿胀、疼痛、身体功能下降及生活质量降低。综合消肿疗法(CDT)被视为金标准治疗;然而,可能改善生理和功能结局的其他干预措施仍在研究中。呼吸训练可能通过改变胸腔内压促进淋巴回流,而放松训练可能降低交感神经激活并改善运动耐量。尽管存在这些理论上的益处,关于二者联合对下肢淋巴水肿患者肌肉氧合影响的证据仍然有限。因此,本随机对照研究将评估在CDT基础上增加呼吸与放松训练,与单纯CDT相比,是否能改善通过可穿戴近红外光谱(MOXY)测量的肌肉氧合、以六分钟步行试验评估的功能容量以及肢体体积。

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