音乐干预对重症患者焦虑及生理反应的效果研究
该数据集来自 clinicaltrials.gov，研究音乐干预对 ICU 重症患者焦虑、躁动、睡眠质量及生理参数的效果
基本信息
资源简介
音乐干预对重症患者焦虑及生理反应的效果研究
该数据集来自 clinicaltrials.gov，研究音乐干预对 ICU 重症患者焦虑、躁动、睡眠质量及生理参数的效果。覆盖 Diabetic Ketoacidosis、Heart Disease, Ischemic、Stroke、GastroIntestinal Bleeding、Acute Kidney Injury、Heart Failure、Trauma、Septic Shock 等病症。研究于 2019 年 1 月至 6 月开展，共纳入 196 名 ICU 住院患者，分为实验组与对照组，实验组接受连续 3 天、每天 30 分钟的床旁音乐干预，对照组仅接受常规护理。主要结局为焦虑。可用于评估非药物干预对重症患者心理与生理指。
【数据内容】
源站描述（机器翻译，仅供参考）：病症：Diabetic Ketoacidosis、Heart Disease, Ischemic、Stroke、GastroIntestinal Bleeding、Acute Kidney Injury、Heart Failure、Trauma、Septic Shock。背景：音乐干预是一种非药物且有效的干预措施，可减轻接受撤机患者的焦虑和躁动。音乐干预在减轻 ICU 患者焦虑方面的有效性仍不清楚。目的：本研究旨在检验音乐干预对 ICU 患者焦虑、躁动、睡眠质量和生理参数的有效性。方法：本研究于 2019 年 1 月至 6 月进行。共 196 名住院 ICU 患者被分为两组。实验组受试者在床旁接受连续 3 天、每天 30 分钟的音乐干预，而对照组受试者仅接受常规护理。主要结局是焦虑
【主题与分类】
主题标签：Diabetic Ketoacidosis、Heart Disease, Ischemic、Stroke、GastroIntestinal Bleeding、Acute Kidney Injury、Heart Failure、Trauma、Septic Shock、Respiratory Failure、Pneumonia。本站分类：循环系统疾病/心力衰竭。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT04977011
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/NCT04977011
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
病症：糖尿病酮症酸中毒、心脏病、缺血性、中风、胃肠道出血、急性肾损伤、心力衰竭、创伤、感染性休克。背景：音乐干预是一种非药物且有效的干预措施，能够缓解撤机患者的焦虑和躁动。音乐干预在减轻ICU患者焦虑方面的有效性仍未知。目的：本研究旨在探讨音乐干预对ICU患者焦虑、躁动、睡眠质量及生理参数的有效性。方法：本研究于2019年1月至6月进行。共196名住院ICU患者被分为两组。实验组受试者在床边接受为期3天、每天30分钟的音乐干预，而对照组受试者仅接受常规护理。主要结局指标为通过视觉模拟量表测量的焦虑。次要结局指标选取里士满躁动镇静量表、理查兹-坎贝尔睡眠量表及其生理参数进行收集。
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。
