残疾儿童母亲海姆立克急救法培训
该数据集来自 clinicaltrials.gov,主题为针对残疾儿童母亲开展海姆立克急救法实操培训的研究。研究关注异物气道梗阻这一儿童常见急症,计划纳入 70 名 1-8 岁儿童的母亲,随机分为实验组与对照组各 35 人,儿童来自 Adıyaman 省 Besni 区一家私立康复中心

基本信息
资源简介
残疾儿童母亲海姆立克急救法培训
该数据集来自 clinicaltrials.gov,主题为针对残疾儿童母亲开展海姆立克急救法实操培训的研究。研究关注异物气道梗阻这一儿童常见急症,计划纳入 70 名 1-8 岁儿童的母亲,随机分为实验组与对照组各 35 人,儿童来自 Adıyaman 省 Besni 区一家私立康复中心。数据采集工具包括人口学信息表、海姆立克急救法知识与技能测试、自我效能与焦虑量表,并开展预试验评估效度。可用于评估培训对母亲知识、技能、自我效能和焦虑水平的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:多重残疾、气道梗阻、异物吸入。异物梗阻是医疗急症最常见的原因之一,尤其在儿童期,若未及时正确处理可导致致命后果。因此,本研究旨在检验对残疾儿童母亲进行海姆立克急救法实操培训对其知识、技能、自我效能和焦虑水平的影响。该研究为随机对照试验,计划纳入 70 名母亲(实验组:35 名,对照组:35 名),其 1-8 岁子女就读于 Adıyaman 省 Besni 区一家私立康复中心。数据收集工具将包括人口学信息表、海姆立克急救法知识与技能测试以及自我效能和焦虑量表。将开展预试验以评估效
【主题与分类】
主题标签:Disabilities Multiple、Obstruction Airway、Foreign Body Aspiration。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07699341
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/NCT07699341
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:多重残疾、气道阻塞、异物吸入。异物阻塞是医疗急症最常见的原因之一,尤其在儿童期,若未及时正确处理,可导致致命后果。因此,本研究旨在探讨对残疾儿童母亲进行海姆利希手法实操培训对其知识、技能、自我效能感及焦虑水平的影响。该研究为随机对照试验,计划纳入70名母亲(实验组:35名,对照组:35名),其子女年龄为1-8岁,就读于阿德亚曼省贝斯尼区的一家私立康复中心。数据收集工具将包括人口学信息表、海姆利希手法知识与技能测试,以及自我效能感和焦虑量表。将进行一项预试验,以评估数据收集工具的有效性和可靠性,检验其对母亲们的可理解性,并识别实施过程中可能出现的潜在问题。在培训开始前,将通过问卷评估所有母亲的知识水平。
实验组母亲接受的Heimlich手法培训将使用儿科Heimlich模型进行实操教学。培训一个月后,将对母亲们进行后测。对照组母亲将在初次访谈时了解研究内容,并接受前测。培训一个月后,母亲们将接受后测。对照组母亲将在初次访谈时了解研究内容,并接受前测。后测将在一个月后进行,之后该组母亲也将接受手法培训。将对母亲们的前测和后测得分进行组内和组间比较。
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。




