COVID-19对预防性初级保健的相对影响:纵向评估第一阶段
该数据集来自clinicaltrials.gov,为回顾性封闭队列研究,采用单臂前后设计,基于CPCSSN网络提供的电子病历数据,覆盖加拿大1500余名医生、近200万患者

基本信息
资源简介
COVID-19对预防性初级保健的相对影响:纵向评估第一阶段
该数据集来自clinicaltrials.gov,为回顾性封闭队列研究,采用单臂前后设计,基于CPCSSN网络提供的电子病历数据,覆盖加拿大1500余名医生、近200万患者。研究聚焦糖尿病、充血性心力衰竭、慢性肾脏病、慢性阻塞性肺病、抑郁、焦虑、骨关节炎和痴呆等慢性病成人患者,旨在描述COVID-19对预防和管理活动在可及性、全面性和适当性方面的影响,并分析变化是否与社会人口学特征及多病共存相关,可用于慢性病管理影响的预测分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:糖尿病、充血性心力衰竭、慢性肾脏病、慢性阻塞性肺病、抑郁、焦虑、骨关节炎、痴呆。这是一项回顾性封闭队列研究,采用单臂、前后设计。本研究的目的是描述COVID-19对患有慢性病的成年患者在可及性、全面性和适当性方面的影响,并确定变化是否与社会人口学特征和多病共存相关。这将使用CPCSSN网络提供的电子病历(EMR)数据来完成。CPCSSN是一个由初级保健EMR数据库支持的研究网络,由来自加拿大各地的1500多名医生和近200万名患者组成。我们将检查几种具有经过验证的C的示例性慢性病的预防和管理活动
【主题与分类】
主题标签:Diabetes Mellitus、Congestive Heart Failure、Chronic Kidney Diseases、Chronic Obstructive Pulmonary Disease、Depression, Anxiety、Osteoarthritis、Dementia。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/NCT05813652
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/NCT05813652
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
研究条件:糖尿病、充血性心力衰竭、慢性肾脏病、慢性阻塞性肺疾病、抑郁症、焦虑症、骨关节炎、痴呆。本研究为回顾性封闭队列研究,采用单臂、前后对照设计。本研究旨在描述COVID-19对成年慢性病患者在医疗服务可及性、全面性和适宜性方面的影响,并确定这些变化是否与社会人口学特征及多病共存相关。研究将使用CPCSSN网络提供的电子病历(EMR)数据。CPCSSN是一个由初级保健EMR数据库支持的研究网络,涵盖加拿大各地1500多名医生和近200万名患者。我们将考察若干具有经验证的CPCSSN病例定义且在初级保健中患病率较高的代表性慢性病(如糖尿病、心力衰竭等)的预防和管理活动。将分析2018-2021年间的CPCSSN数据,以了解大流行前及大流行各阶段各种慢性病管理的变化。
还将考察成年人特定亚组中的变化,包括患有多种疾病和社会经济弱势群体。主要暴露因素为大流行的开始:2020年3月13日至2021年12月3日与之前同等时间段的比较。选择2020年3月13日作为日期,是因为加拿大各省政府开始执行各种公共卫生和安全措施,以响应世界卫生组织于2020年3月11日正式宣布流行的SARS-CoV-2为大流行病。我们将通过应用包含慢性病监测(体格检查、实验室检测和检查)、处方、转诊和预防保健的指标,对慢性病患者群体考察在护理的整体可及性、全面性、连续性和适当性方面是否发生了变化(包括可能减少的繁重或不必要的护理)。
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。




