数字支持足部护理教育对2型糖尿病患者的效果

该数据集来自clinicaltrials.gov,聚焦数字支持足部护理教育对2型糖尿病患者的效果。研究为随机对照试验,计划纳入90名参与者,随机分为干预组(n=45)和对照组(n=45)

Siirt UniversitySiirt University
clinicaltrials
浏览 9
视频分类Type 2 Diabetes Mellitus (T2DM)
Effect of Digital-Supported Foot Care Education in Individuals With Type 2 Diabetes

基本信息

模态
视频
任务类型
分类
创建/更新时间
2026-10-17

资源简介

数字支持足部护理教育对2型糖尿病患者的效果

该数据集来自clinicaltrials.gov,聚焦数字支持足部护理教育对2型糖尿病患者的效果。研究为随机对照试验,计划纳入90名参与者,随机分为干预组(n=45)和对照组(n=45)。干预组接受通过二维码获取的视频和视觉材料支持的结构化足部护理教育,并使用糖尿病足模型进行实操训练;对照组接受标准护理。在干预前后评估足部护理知识、自我护理行为和足部护理自我效能。数据可用于分析数字健康教育对糖尿病足部护理相关结局的影响(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:2型糖尿病(T2DM)。这项随机对照试验将评估数字支持的足部护理教育对2型糖尿病患者足部护理知识、自我护理行为和自我效能的影响。共90名参与者将被随机分配到干预组(n=45)或对照组(n=45)。干预组参与者将接受通过二维码获取的视频和视觉材料支持的结构化足部护理教育,并使用糖尿病足模型进行实操训练。对照组参与者将接受标准护理。将在干预前后评估足部护理知识、自我护理行为和足部护理自我效能。该研究旨在确定数字支持的足部护理教育是否能有效改善2型糖尿病患者的这些结局。

【主题与分类】

主题标签:Type 2 Diabetes Mellitus (T2DM)。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/NCT07813676

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT07813676

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:2型糖尿病(T2DM)。本随机对照试验将评估数字化支持的足部护理教育对2型糖尿病患者足部护理知识、自我护理行为和自我效能的影响。共90名参与者将被随机分配至干预组(n=45)或对照组(n=45)。干预组参与者将接受结构化足部护理教育,该教育由可通过二维码获取的视频和视觉材料支持,并结合使用糖尿病足模型进行实操培训。对照组参与者将接受标准护理。将在干预前后评估足部护理知识、自我护理行为和足部护理自我效能。本研究旨在确定数字化支持的足部护理教育是否能有效改善2型糖尿病患者的这些结局。

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。

获取专属数据定制方案