儿童烧伤后增强力量与功能的增强式训练数据集

该数据集来自 clinicaltrials.gov,记录一项双臂平行组单盲随机对照试验,纳入 62 名 10 至 18 岁、烧伤面积≥30% 总体表面积且累及下肢的严重烧伤儿童幸存者

Qassim UniversityQassim University
clinicaltrials
浏览 10
其他分类Pediatric BurnsBurn InjuryPost-Burn RehabilitationRehabilitationMuscle WeaknessFunctional Limitation
Plyometrics for Strength and Function After Pediatric Burns

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-20

资源简介

儿童烧伤后增强力量与功能的增强式训练数据集

该数据集来自 clinicaltrials.gov,记录一项双臂平行组单盲随机对照试验,纳入 62 名 10 至 18 岁、烧伤面积≥30% 总体表面积且累及下肢的严重烧伤儿童幸存者。参与者于出院后 6 至 12 个月招募,按 1:1 随机分配至增强式训练组或标准运动组,两组均接受每周两次、持续 12 周的监督下运动。结局在基线和干预后评估。数据可用于分析儿童烧伤后康复训练对力量与功能的影响(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:儿童烧伤、烧伤损伤、烧伤后康复、康复、肌肉无力、功能受限。这项双臂、平行组、单盲随机对照试验纳入 62 名 10-18 岁、烧伤面积≥30% 总体表面积且累及下肢的严重烧伤儿童幸存者。参与者在出院后 6-12 个月招募,并按 1:1 比例随机分配至增强式训练或标准运动。两组均接受每周两次、持续 12 周的监督下运动。实验组完成渐进式增强式训练,旨在增强下肢爆发力和动态功能活动能力。对照组接受标准出院后康复,侧重于柔韧性、有氧调节、活动能力和基础力量强化。结局在基线和干预后评估。

【主题与分类】

主题标签:Pediatric Burns、Burn Injury、Post-Burn Rehabilitation、Rehabilitation、Muscle Weakness、Functional Limitation。本站分类:损伤、中毒及外因。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07590557

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/NCT07590557

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:儿童烧伤、烧伤损伤、烧伤后康复、康复、肌无力、功能受限。这项双臂、平行组、单盲随机对照试验纳入62名10-18岁严重烧伤的儿童烧伤幸存者,烧伤面积≥30%总体表面积且累及下肢。参与者在出院后6-12个月招募,并按1:1比例随机分配至增强式训练组或标准运动组。两组均接受每周两次、为期12周的有监督运动。实验组完成渐进式增强式训练,旨在增强下肢爆发力和动态功能活动能力。对照组接受标准的出院后康复,侧重于柔韧性、有氧调节、活动能力和基础力量训练。结局由盲法评估者在基线和12周干预后立即进行评估。

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