SVRII 家庭因素研究
随着 HLHS 存活率显著提高,幸存者面临躯体与心理社会双重发病风险,表现为认知与社会发育迟缓、行为问题、生活质量下降,以及养育压力、焦虑和家庭负面影响

基本信息
资源简介
SVRII 家庭因素研究
SVRII Family Factors Study 来源于 clinicaltrials.gov,聚焦 Hypoplastic Left Heart Syndrome(HLHS)这一复杂先天性心脏病。随着 HLHS 存活率显著提高,幸存者面临躯体与心理社会双重发病风险,表现为认知与社会发育迟缓、行为问题、生活质量下降,以及养育压力、焦虑和家庭负面影响。该数据集关注心理社会发病原因及影响儿童与家庭风险或保护的因素,尤其强调家庭环境对婴幼儿发育的作用,可用于相关风险因素与家庭影响研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:Hypoplastic Left Heart Syndrome。对于最复杂的先天性心脏病(CHD)类型之一——Hypoplastic Left Heart Syndrome(HLHS),其生存率已显著提高;然而,已知幸存者面临躯体与心理社会发病风险。在先天性心脏病中,这种心理社会发病率表现为认知和社会发育迟缓、行为问题、生活质量下降,以及养育压力、焦虑和对家庭的负面影响。我们对心理社会发病的原因以及哪些因素可能影响儿童和家庭的风险或保护作用了解相对有限。儿童大部分时间所处的环境对发育产生显著影响。对于婴幼儿,这种“环境”最常见的是直系家庭。患病儿童与……之间的互动
【主题与分类】
主题标签:Hypoplastic Left Heart Syndrome。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01582529
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/NCT01582529
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:左心发育不良综合征。作为先天性心脏病(CHD)中最为复杂的形式之一,左心发育不良综合征(HLHS)的生存率已显著提高;然而,已知存活者面临身体和心理社会功能障碍的风险。在先天性心脏病中,这种心理社会功能障碍表现为认知和社会发育迟缓、行为问题、生活质量下降,以及育儿压力、焦虑和对家庭的负面影响。对于心理社会功能障碍的原因以及哪些因素可能影响儿童和家庭的风险或保护作用,我们的了解相对有限。儿童大部分时间所处的环境对其发育产生重大影响。对于婴幼儿而言,这一“环境”通常是最直接的家庭。疾病特征与家庭成员个体的认知和期望之间的相互作用,是决定家庭对儿童患有心脏病这一状况反应的重要因素。
我们对于家庭相关因素如何影响先天性心脏病(CHD)人群的心理社会结局,以及是否存在干预机会以改善患儿和家庭结局的理解,仍存在重大空白。本研究的主要目的是探讨家庭因素(包括父母心理健康、父母健康相关生活质量(HRQOL)、家庭资源和家庭功能)与6岁时左心发育不良综合征(HLHS)患儿发育及心理社会结局之间的关系。次要目的是探索不同家庭类型之间结局的差异,并确定在这一明确界定的患儿和父母队列中,对儿童和家庭心理社会功能轨迹进行纵向研究的可行性。对这些家庭因素的纵向评估,结合对受影响儿童的神经发育和心理社会评估,将提供更完善的……
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。




