新型微型马辅助青少年糖尿病教育项目:评估糖尿病马术赋能项目(DEEP)
该数据集源自clinicaltrials.gov,聚焦内分泌、营养和代谢疾病领域的糖尿病主题,涵盖胰岛素依赖型1型或2型糖尿病、儿童糖尿病及糖尿病(DM)

基本信息
资源简介
新型微型马辅助青少年糖尿病教育项目:评估糖尿病马术赋能项目(DEEP)
该数据集源自clinicaltrials.gov,聚焦内分泌、营养和代谢疾病领域的糖尿病主题,涵盖胰岛素依赖型1型或2型糖尿病、儿童糖尿病及糖尿病(DM)。数据围绕糖尿病马术赋能项目(DEEP)展开,该项目将体验式学习与糖尿病教育结合,通过结构化的小型马互动,帮助青少年应对自我管理、问题解决、日常应对及独立性培养等挑战。数据可用于分析创新教育干预对青少年糖尿病自我管理能力、沟通、目标设定、自我倡导及自信心的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:糖尿病(需要胰岛素治疗的1型或2型)、儿童糖尿病、糖尿病(DM)。患有糖尿病的青少年常常面临与自我管理、问题解决、应对糖尿病的日常需求以及培养日益独立所需技能相关的挑战。促进参与和主动参与的创新方法可能有助于应对这些挑战,同时支持糖尿病教育和自信。糖尿病与马术赋能项目(DEEP)旨在通过与小马的结构化互动,将体验式学习与糖尿病教育相结合。该项目旨在创造一个支持性、互动性的环境,参与者可以在其中练习沟通、目标设定、自我倡导和问题解决,同时强化关键的糖尿病自我管理概念。教育内容根据发育情况量身定制
【主题与分类】
主题标签:Pediatric Diabetes、Diabetes (DM)。本站分类:内分泌、营养和代谢疾病/糖尿病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07822555
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/NCT07822555
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(需胰岛素治疗,1型或2型)、儿童糖尿病、糖尿病(DM)。患有糖尿病的青少年往往面临与自我管理、问题解决、应对糖尿病的日常需求以及培养日益独立所需技能相关的挑战。促进参与和主动参与的创新方法可能有助于应对这些挑战,同时支持糖尿病教育和自信心的建立。糖尿病与马术赋能项目(DEEP)旨在通过与迷你马的结构化互动,将体验式学习与糖尿病教育相结合。该项目旨在创造一个支持性、互动性的环境,让参与者在强化关键糖尿病自我管理概念的同时,练习沟通、目标设定、自我倡导和问题解决。教育内容根据发育水平量身定制,并融入旨在增强参与度、自我效能感和独立糖尿病管理准备度的活动。这项单臂可行性研究将评估DEEP项目在患有糖尿病的青少年及其照护者中的实施情况。
参与者将完成一系列由糖尿病专科医生和认证马术专家主持的结构化课程。本研究将考察招募策略的可行性、参与者保留率、出勤率及研究活动的完成情况。干预措施的可接受性将通过参与者和照护者的反馈进行评估,包括满意度、感知价值以及向他人推荐该项目的意愿。除可行性和可接受性结局外,探索性指标将评估糖尿病相关心理社会和行为结局的潜在变化,包括糖尿病痛苦、自我管理行为、医疗参与度以及糖尿病技术使用情况。通过参与者报告量表和病历审查收集的数据将用于指导未来研究,以及可能开展的更大规模对照研究的开发,以评估
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。




