体力活动促进对COPD短期与长期结局的影响
该数据集来自clinicaltrials.gov,聚焦慢性阻塞性肺疾病(COPD)、肺气肿与慢性支气管炎人群,探讨体力活动促进对短期和长期结局的影响

基本信息
资源简介
体力活动促进对COPD短期与长期结局的影响
该数据集来自clinicaltrials.gov,聚焦慢性阻塞性肺疾病(COPD)、肺气肿与慢性支气管炎人群,探讨体力活动促进对短期和长期结局的影响。源站描述指出COPD是全球主要致病与致死原因,退伍军人中患病率高,气促导致体力活动不足和显著残疾;体力活动与运动被视为可改变COPD相关患病与死亡的因素,较高每日步数与较低急性加重和死亡风险相关。数据可用于研究体力活动干预与COPD结局的关系(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:COPD、Emphysema、Chronic Bronchitis。慢性阻塞性肺疾病(COPD)是全球主要致病原因,预计到2020年将成为世界第三大死因。在退伍军人中患病率高;在VISN1中,2012财年9%的门诊退伍军人有COPD的ICD-9诊断。在COPD中,气促导致体力活动不足和显著残疾。越来越多的知识已确定体力活动和运动是一个可改变的因素,可能影响COPD相关的患病率和死亡率。流行病学和横断面研究表明,体力活动较多的COPD患者功能状态更好,住院和死亡的可能性更低。当直接测量时,较高的每日步数与COPD中较低的急性加重(AEs)和死亡风险相关,独立
【主题与分类】
主题标签:COPD、Emphysema、Chronic Bronchitis。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/NCT02099799
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/NCT02099799
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
疾病条件:慢性阻塞性肺疾病(COPD)、肺气肿、慢性支气管炎。慢性阻塞性肺疾病是全球发病的主要原因,预计到2020年将成为全球第三大死因。在退伍军人中,该病患病率较高;在2012财年VISN1网络中,9%的门诊退伍军人被诊断为COPD(依据ICD-9诊断代码)。在COPD中,呼吸困难导致身体活动减少和显著残疾。越来越多的知识表明,身体活动和锻炼是可改变的因素,可能影响COPD相关的发病率和死亡率。流行病学和横断面研究显示,身体活动较多的COPD患者功能状态更好,住院和死亡的可能性更低。直接测量时,每日步数较高与COPD急性加重(AEs)和死亡风险较低相关,且独立于肺功能。尽管有潜在益处,但增加COPD患者步行的干预措施很少。虽然监督下的肺康复计划能改善运动能力,但并非所有可能受益者都能获得,且依从率低。
需要新颖的干预措施来促进受COPD限制的个体的身体活动,这些措施应包含行为改变策略,并且具有可及性、个体化和可持续性。在RR&D CDA-2资助下,Moy博士及其团队开发并试点了一种新颖的运动干预措施,该措施将网站与计步器相结合,以促进COPD患者的步行。该项目名为“每一步都算数(ESC)肺部健康”,可准确监测步行情况,提供迭代反馈和个体化目标设定,并提供教育和激励。本研究提出一项双臂随机对照试验,旨在研究ESC相较于常规护理(口头和书面运动指导)在改善COPD患者运动能力方面的疗效。主要目标:确定ESC干预在增加6分钟步行方面的疗效
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。




