ICD患者的移动教育与电话监测:对焦虑、接受度与自我效能的影响
该数据集来自clinicaltrials.gov,聚焦植入式心律转复除颤器(ICD)患者,关注移动教育与电话监测对焦虑、接受度及自我效能的影响

基本信息
资源简介
ICD患者的移动教育与电话监测:对焦虑、接受度与自我效能的影响
该数据集来自clinicaltrials.gov,聚焦植入式心律转复除颤器(ICD)患者,关注移动教育与电话监测对焦虑、接受度及自我效能的影响。源站描述指出,ICD用于预防室性心律失常导致的心源性猝死,全球及土耳其植入率持续上升,但术后常出现焦虑与设备适应等心理社会问题。数据涉及患者接受度、护理、自我效能、心源性休克等主题,可用于分析ICD患者心理社会结局及相关干预效果(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:患者对医疗保健的接受度、护理、植入式心律转复除颤器(ICD)、自我效能、心源性休克。1. 问题的定义与重要性:植入式心律转复除颤器(ICD)是为预防室性心律失常导致的心源性猝死而开发的设备。根据欧洲心律协会2017年指南,全球每百万人年ICD植入数量报告为107例,土耳其为115例。此外,过去十年间,全球植入率增长了44%,土耳其增长了804.1%。尽管ICD治疗已被证明可将死亡率降低28-40%,且比抗心律失常药物更有效,但携带ICD可能导致患者出现各种心理社会问题。特别是植入后常遇到焦虑和设备适应问题。
【主题与分类】
主题标签:Patient Acceptance of Health Care、Nursing、Self-Efficacy、Shock, Cardiogenic。本站分类:循环系统疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06935526
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/NCT06935526
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:患者对医疗保健的接受度、护理、植入式心律转复除颤器(ICD)、自我效能、心源性休克。1. 问题的定义与重要性 植入式心律转复除颤器(ICDs)是用于预防由室性心律失常导致的心脏性猝死的设备。根据欧洲心律协会2017年的指南,全球每百万人中每年植入ICD的数量为107例,而在土耳其为115例。此外,过去十年间,全球植入率增长了44%,土耳其则增长了804.1%。尽管ICD治疗已被证实能降低28-40%的死亡率,且比抗心律失常药物更为有效,但携带ICD生活可能导致患者面临多种心理社会问题。特别是植入后常遇到焦虑和设备适应问题。ICD的异物性、对依赖设备生活的担忧、其在潜在致命性心律失常时的激活以及其释放电击的能力,均加剧了焦虑情绪。
研究表明,44-55%的患者会经历与电击相关的焦虑,而对电击感觉、部位和时机的不确定性会加剧这种痛苦。此外,95%经历过电击的个体会产生焦虑。焦虑和电击经历可能阻碍设备接受,对患者的日常生活造成不利影响。据报道,难以接受设备的个体表现出较低水平的自我效能感,而自我效能感在疾病适应中起着重要的心理作用。因此,评估患者的自我效能感具有重要意义。充分的患者教育、电话随访和持续护理已被证明能提高设备接受度和自我效能感。尽管患者教育和随访的重要性已得到认可,但97%的ICD患者报告需要进一步的教育和监测,这表明在提供必要培训方面存在差距。目前,创新和互动的教育方法,如移动
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。




