医学生与牙学生两年期个性化口腔卫生教育效果研究
该数据集来自 clinicaltrials.gov,为一项在波黑莫斯塔尔大学医学院开展的前瞻性两年队列研究,覆盖 2021/2022 与 2023/2024 学年

基本信息
资源简介
医学生与牙学生两年期个性化口腔卫生教育效果研究
该数据集来自 clinicaltrials.gov,为一项在波黑莫斯塔尔大学医学院开展的前瞻性两年队列研究,覆盖 2021/2022 与 2023/2024 学年。研究对象为一年级和四年级医学与牙科医学学生,旨在评估单次 iTOP 口腔卫生教育项目对牙周健康的长期效果。数据涉及口腔健康、口腔卫生、牙周健康、牙菌斑、探诊出血与健康教育等主题,可用于分析口腔卫生教育对牙周健康指标的长期影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:口腔健康、口腔卫生、牙周健康、牙菌斑、探诊出血、健康教育。这是一项前瞻性两年队列研究,于 2021/2022 和 2023/2024 学年在莫斯塔尔大学医学院(波斯尼亚和黑塞哥维那)开展。该研究旨在评估单次口腔卫生教育项目——称为个体化训练口腔预防(iTOP)——对医学和牙科学生牙周健康的长期有效性。- 研究人群与环境:参与者包括 2021/2022 学年莫斯塔尔大学医学和牙科医学专业的一年级和四年级学生。纳入标准包括在读注册并提供知情同意。患有影响牙周健康的系统性疾病(如未控制的糖尿病)或使用已知影响牙周健康的药物的学生……
【主题与分类】
主题标签:Oral Health、Oral Hygiene、Periodontal Health、Dental Plaque、Bleeding on Probing、Health Education。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/NCT07085013
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/NCT07085013
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:口腔健康、口腔卫生、牙周健康、牙菌斑、探诊出血、健康教育。这是一项为期两年的前瞻性队列研究,于2021/2022和2023/2024学年在莫斯塔尔大学医学院(波斯尼亚和黑塞哥维那)开展。该研究旨在评估单次口腔卫生教育项目——即个体化口腔预防训练(iTOP)——对医学生和牙科学生牙周健康的长期效果。- 研究人群与场所:参与者包括2021/2022学年莫斯塔尔大学医学和牙科医学专业一年级和四年级学生。纳入标准包括在读注册并提供知情同意。患有影响牙周健康的全身性疾病(如未控制的糖尿病)或使用已知可引起牙龈增生的药物的学生将被排除。- 研究设计:参与者将通过计算机生成的列表随机分配至干预组(iTOP)或对照组。分组分配将对检查者设盲,以尽量减少评估偏倚。
两组将在每个检查点接受专业洁牙和标准化口腔卫生套件。临床评估将由一名经委员会认证的牙周病专家和一名经过校准的教学助理完成。 - 干预:干预组将接受基于认证iTOP方法的个性化口腔卫生指导。这包括刷牙、牙缝刷使用和牙线使用的实操培训。将在3个月时安排一次后续激励课程。对照组除标准洁牙和套件发放外,不接受任何结构化口腔卫生教育。口腔卫生建议的依从性将不会被系统监测。 - 结局与评估:主要临床结局包括菌斑指数、探诊出血、探诊深度和临床附着水平。这些将使用UNC-15牙周探针在每颗牙的六个位点进行测量,并且
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。




