Walk Together 疗效试验
源站描述指出高血压是造成死亡率与预期寿命种族差异的最重要风险因素,African Americans 更早发病且结局更差;高血压也是心血管疾病的可改变风险因素,部分通过自我管理行为实现控制

基本信息
资源简介
Walk Together 疗效试验
Walk Together Efficacy Trial 来源于 clinicaltrials.gov,关注高血压这一疾病。源站描述指出高血压是造成死亡率与预期寿命种族差异的最重要风险因素,African Americans 更早发病且结局更差;高血压也是心血管疾病的可改变风险因素,部分通过自我管理行为实现控制。该数据集可用于研究黑人及 African American 人群在自我管理依从性、生活方式维持、环境障碍、家庭情感与行为支持等方面的因素,并支持高血压控制相关结局的预测分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:高血压。高血压是死亡率与预期寿命种族差异的最重要风险因素。尤其是 African Americans,更早发生高血压且经历更差的高血压相关结局的风险更高。高血压也是心血管疾病的可改变风险因素,部分通过自我管理行为实现,而自我管理行为对实现高血压控制至关重要。Black 与 African American 个体常报告自我管理依从性困难,部分原因在于维持必要生活方式改变的挑战,以及参与自我照护的环境障碍。African Americans 也常报告家庭情感与行为支持对实现自我管理目标至关重要,而共享健康行为、支持不足和家庭压力常被识别为自我管理的障碍。
【主题与分类】
主题标签:Hypertension。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/NCT07849920
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/NCT07849920
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:高血压。高血压是导致死亡率与预期寿命方面种族差异的最重要风险因素。尤其是非裔美国人,他们更早发生高血压且高血压相关结局更差的风险更高。高血压也是心血管疾病的一个可改变风险因素,部分通过自我管理行为实现,而自我管理行为对于实现血压控制至关重要。黑人和非裔美国人个体常报告自我管理依从性困难,部分原因在于维持必要生活方式改变的挑战以及参与自我照护的环境障碍。非裔美国人还经常报告家庭情感和行为支持对于实现自我管理目标至关重要,而共享的健康行为、支持不足和家庭压力常被视为自我管理的障碍。然而,家庭支持在高血压自我管理干预中仍是一个尚未被充分利用的资源。
本研究将检验一种新型的以家庭为基础的高血压自我管理干预措施的有效性。该干预措施是通过先前基于社区的参与式研究,与患有未控制高血压的黑人和非裔美国初级保健患者及其家庭支持人员共同设计并调整的。该干预措施——“共同行走”——包括在大约八周内进行的四次双人(即患者加家庭支持人员)课程,目标是优化家庭关系质量,包括家庭对高血压自我管理的支持,同时提高高血压知识,并通过转介至标准护理资源、健康信息技术以及融入患者的初级保健诊所来解决高血压管理的常见障碍。采用随机对照试验设计,研究者将(1)确定"共同行走"干预措施在多大程度上提高高血压自我管理依从性并改善血压控制 c
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。




