巴基斯坦Rawalpindi成人社区眼筛查与结构化转诊追踪预防可避免盲
本数据集来自clinicaltrials.gov,主题为巴基斯坦Rawalpindi地区成人社区眼筛查与结构化转诊追踪预防可避免盲的研究

基本信息
资源简介
巴基斯坦Rawalpindi成人社区眼筛查与结构化转诊追踪预防可避免盲
本数据集来自clinicaltrials.gov,主题为巴基斯坦Rawalpindi地区成人社区眼筛查与结构化转诊追踪预防可避免盲的研究。覆盖Cataract、Refractive Error、Diabetic Retinopathy等眼病,关注社区筛查后转诊完成率低的问题。数据可用于评估结构化转诊追踪干预在提高转诊完成率方面的效果与实施情况,支持可避免盲防治相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:Cataract、Refractive Error、Diabetic Retinopathy。可避免盲仍是包括巴基斯坦在内的中低收入国家面临的重大公共卫生挑战。社区眼筛查营地常用于识别有视力损害和需要治疗的眼病患者;然而,转诊至三级眼科医疗机构的完成率仍然很低。许多患者因意识有限、缺乏随访、交通障碍以及对治疗程序的不确定而未能前往转诊医院。本研究旨在评估结构化转诊追踪(SRT)干预在提高巴基斯坦Rawalpindi区社区眼筛查营地中被识别为可避免盲的成人转诊完成率方面的有效性和实施情况。该研究将采用集群随机对照试验设
【主题与分类】
主题标签:Cataract、Refractive Error、Diabetic Retinopathy。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/NCT07611682
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/NCT07611682
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
疾病:白内障、屈光不正、糖尿病视网膜病变。在包括巴基斯坦在内的中低收入国家,可避免盲仍是重大公共卫生挑战。基于社区的眼病筛查营通常用于识别视力损害和需治疗眼病的个体;然而,转诊至三级眼科医疗机构的完成率仍然很低。许多患者因意识有限、缺乏随访、交通障碍以及对治疗程序不确定而未能前往转诊医院。本研究旨在评估结构化转诊追踪(SRT)干预在提高巴基斯坦拉瓦尔品第区社区眼病筛查营中发现的成年可避免盲患者转诊完成率方面的有效性和实施情况。本研究将采用整群随机对照试验设计。将采用多阶段随机抽样,从拉瓦尔品第区的五个乡中选取十个社区集群(联合委员会)。集群将被随机分为干预组和对照组。
参加眼科筛查营并被诊断患有需要转诊至三级眼科医院的眼部疾病的参与者,将在知情同意后入组。干预组的参与者将接受多组成部分的结构化转诊追踪干预,包括转诊咨询、每周提醒电话或手机短信、视觉教育材料,以及关于医院位置、预估费用和所需文件的定制转诊指导。对照组的参与者将接受标准转诊程序,包括常规咨询和转诊单,但不进行结构化随访。主要结局将是筛查后八周内在三级眼科医院完成转诊,并通过医院就诊记录核实。次要结局将包括关于可避免失明的知识、治疗满意度、干预的可行性和可接受性,以及障碍
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。




