基于AI对话式社会支持用于老年心力衰竭患者

数据集获取

源站：https://clinicaltrials.gov/study/NCT07862933

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

疾病：心力衰竭、社会衰弱、肌少症。本研究将横断面评估与嵌入式干预试验及纵向随访相结合。第一阶段：基线评估 将收集临床信息和标准化评估，以考察老年慢性心力衰竭患者在肌少症、体力活动和多维衰弱方面的性别差异。将采用结构方程模型探究与社会衰弱相关的因素及路径。第二阶段：干预 本方案计划纳入174名参与者，分为三组，每组58人：1. 基于AI的对话式社会支持干预：参与者将被指导每天使用基于AI的对话应用程序15-30分钟。该干预包括对话支持和情绪监测。必要时将提供培训、语言支持以及平板电脑或网络连接。2. 社区社会参与：鼓励参与者定期参加社交活动以增强社会互动，并提供持续照护和电话随访。3. 对照组：参与者维持其日常活动。

在干预前后将进行临床评估和基于问卷的评估，以评价情绪状态、身体活动、社会脆弱性及其他健康结局的变化。第3阶段：纵向随访 计划在干预后1、3、6和12个月进行随访评估，以考察干预效果的可持续性及潜在的性别差异。评估包括标准化问卷和相关临床测量。

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。