教育干预对糖尿病足综合征溃疡发生率、知识、自我护理及生活质量的影响
本数据集来自 clinicaltrials.gov,为一项随机临床试验,评估结构化教育干预对糖尿病足综合征(DFS)患者溃疡发生率、知识、自我护理实践及生活质量的影响

基本信息
资源简介
教育干预对糖尿病足综合征溃疡发生率、知识、自我护理及生活质量的影响
本数据集来自 clinicaltrials.gov,为一项随机临床试验,评估结构化教育干预对糖尿病足综合征(DFS)患者溃疡发生率、知识、自我护理实践及生活质量的影响。共42名患者被分配至干预组或对照组,干预组接受由专科医生提供的两次月度教育课程,内容遵循IWGDF建议,涵盖DFS病理生理、血糖控制、溃疡风险识别及循证预防策略。知识通过经验证问卷在四个时间点评估,自我护理实践通过临床观察评估,皮肤状况采用CERLCP量表评估。数据可用于分析教育干预对DFS患者临床与行为结局的作用(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:糖尿病并发症、糖尿病教育、糖尿病足护理。这项随机临床试验评估了结构化教育干预对糖尿病足综合征(DFS)患者溃疡发生率、患者知识、自我护理实践及生活质量的影响。共42名患者被分配至干预组——接受由专科医生提供的两次月度教育课程——或接受标准护理的对照组。干预遵循IWGDF建议,涵盖DFS病理生理、血糖控制、溃疡风险识别及循证预防策略等主题。知识通过经验证问卷在四个时间点评估。自我护理实践通过临床观察评估,皮肤状况通过CERLCP量表评估。使用焦点小组进行的定性分析
【主题与分类】
主题标签:Diabetes Complications、Diabetes Education、Diabetes Foot Care。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07329491
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/NCT07329491
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:糖尿病并发症、糖尿病教育、糖尿病足护理。这项随机临床试验评估了结构化教育干预对糖尿病足综合征(DFS)患者溃疡发生率、患者知识、自我护理实践和生活质量的影响。共有42名患者被分配到干预组(接受由专科医生提供的每月两次教育课程)或接受标准护理的对照组。干预措施遵循IWGDF建议,涵盖DFS病理生理学、血糖控制、溃疡风险识别和循证预防策略等主题。使用经过验证的问卷在四个时间点评估知识。通过临床观察评估自我护理实践,并通过CERLCP量表评估皮肤状况。使用焦点小组进行定性分析,探讨患者的主观体验。在六个月的随访期间,未出现新的足部溃疡。干预组在第一次课程后知识显著提高,课程间保持稳定,到项目结束时累积增益。
在自我护理行为方面也观察到了显著改善,尤其是选择合适的鞋袜、修剪指甲的技巧以及减少角化过度。皮肤质量有所改善,且具有临床意义的效应量。定性研究结果显示,糖尿病和糖尿病足综合征对患者的身体、情感、社交和经济福祉产生了重大影响。教育干预增强了同伴支持、控制感以及对预防性自我护理的依从性。本研究表明,结构化的教育干预——即使是单次课程——也能在知识和自我护理实践方面产生迅速且有意义的改善。需要更大规模、随访时间更长的研究来确定其长期减少溃疡发生率的有效性。
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。




