视频观看对玻璃体腔注射体验的影响
该数据集来自 clinicaltrials.gov，研究观看操作视频能否改善接受玻璃体腔抗 VEGF 注射患者的体验，并降低结膜下出血的发生率与严重程度
基本信息
资源简介
视频观看对玻璃体腔注射体验的影响
该数据集来自 clinicaltrials.gov，研究观看操作视频能否改善接受玻璃体腔抗 VEGF 注射患者的体验，并降低结膜下出血的发生率与严重程度。覆盖人群涉及 Age Related Macular Degeneration、Diabetic Retinopathy、Choroidal Neovascularization、Retinal Vein Occlusion、Cystoid Macular Edema 等眼底疾病。研究将参与者随机分为观看教育视频的干预组与不看视频的对照组，主要关注结膜下出血的面积与发生率，以及焦虑水平和治疗满意度。数据可用于分析视频干预对注射体验与出血结局的影响（来源 clinicaltrials。
【数据内容】
源站描述（机器翻译，仅供参考）：Conditions: Age Related Macular Degeneration, Diabetic Retinopathy, Choroidal Neovascularization, Retinal Vein Occlusion, Cystoid Macular Edema. 研究目标 本临床试验的目标是评估观看操作视频能否改善接受玻璃体腔抗 VEGF 注射患者的体验，并降低结膜下出血的发生率与严重程度。关键研究问题 1. 治疗前观看操作视频能否降低结膜下出血的发生率和/或面积？2. 视频能否改善患者体验，特别是降低焦虑水平并提高对治疗过程的满意度？研究设计 参与者将被随机分配到干预组（观看解释注射过程的教育视频）或对照组（不观看视频）。所有 p
【主题与分类】
主题标签：Age Related Macular Degeneration、Diabetic Retinopathy、Choroidal Neovascularization、Retinal Vein Occlusion、Cystoid Macular Edema。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/NCT07002372
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/NCT07002372
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：年龄相关性黄斑变性、糖尿病视网膜病变、脉络膜新生血管、视网膜静脉阻塞、黄斑囊样水肿。研究目的 本临床试验旨在评估观看操作视频能否改善患者体验，并降低接受玻璃体腔内抗VEGF注射者结膜下出血的发生率和严重程度。关键研究问题 1. 治疗前观看操作视频能否降低结膜下出血的发生率和/或面积？2. 该视频能否改善患者体验，特别是通过降低焦虑水平和提高对治疗过程的满意度？研究设计 参与者将被随机分配到干预组或对照组，干预组将观看解释注射操作的教育视频，对照组则不观看视频。所有参与者将在治疗前后完成状态-特质焦虑量表-状态版（STAI-S）问卷，以评估焦虑水平的变化。
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。
