上曼哈顿眼健康干预研究
该数据集来自 clinicaltrials.gov,对应上曼哈顿眼健康干预研究(EYES-UM),关注城市环境中眼科护理可及性有限、视力损害率高、眼健康结局不佳的人群

基本信息
资源简介
上曼哈顿眼健康干预研究
该数据集来自 clinicaltrials.gov,对应上曼哈顿眼健康干预研究(EYES-UM),关注城市环境中眼科护理可及性有限、视力损害率高、眼健康结局不佳的人群。研究覆盖青光眼疑似、糖尿病视网膜病变、白内障、屈光不正以及视力损害与失明等状况,在健康中心和老年中心等10个场所开展,可及17,000名个体,招募40岁及以上成人,进行视力、眼压和眼底图像等眼部检查。数据可用于眼科疾病筛查、眼健康干预评估及相关预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):状况:青光眼疑似、糖尿病视网膜病变、白内障、屈光不正、视力损害与失明。上曼哈顿等城市环境中的人群眼科护理可及性有限、视力损害率高、眼健康结局不佳。我们的视力研究团队设计了上曼哈顿眼健康干预研究(EYES-UM),直接在上曼哈顿熟悉且便利的场所提供眼健康筛查。拟议的创新性2:1整群随机临床试验将招募上曼哈顿40岁及以上、眼科护理不足率高的成人。上曼哈顿共10个场所,由健康中心和老年中心组成,确认可及17,000名个体。本研究将在筛查期间进行眼部检查(视力、眼压、眼底图像)。为确保所有参与者r
【主题与分类】
主题标签:Glaucoma, Suspect、Diabetic Retinopathy、Cataract、Refractive Errors、Vision Impairment and Blindness。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/NCT06112431
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/NCT06112431
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:青光眼、疑似青光眼、糖尿病视网膜病变、白内障、屈光不正、视力损害和失明。上曼哈顿等城市环境中的人群获得眼科护理的机会有限,视力损害率高,眼部健康状况不佳。我们的视力研究团队设计了上曼哈顿眼健康干预研究(EYES-UM),旨在熟悉且便利的环境中直接提供眼健康筛查。这项拟议的创新性2:1整群随机临床试验将招募上曼哈顿40岁及以上、眼科护理不足率高的成年人。上曼哈顿共10个场所,包括健康中心和老年中心,确认可覆盖17,000人。本研究将在筛查期间进行眼部检查(视力、眼压、眼底图像)。为确保所有参与者获得基本水平的服务,所有未通过眼健康筛查的参与者将在当天由研究验光师接诊,并免费提供眼镜。教育研讨会和咨询委员会将支持招募工作。
干预组的参与者将由经过培训的研究协调员持续提供预约眼科检查和交通方面的支持。所有参与者将接受为期2年的前瞻性随访。本研究以“可达性、有效性、采纳性、实施与维持”(RE-AIM)框架为指导:在目标1中,我们将评估眼健康干预在改善曼哈顿上城10个场所视觉健康服务可及性方面的有效性。在进行眼健康筛查和验光检查后,我们将开展一项2:1整群随机临床试验,采用干预措施为被转诊至眼科的患者提供眼科检查预约和交通支持,以提高2年内到院眼科检查的依从行为(主要实施结局)和眼病检出率(主要临床有效性结局)。在目标2中,我们将使用RE-AIM框架,采用混合方法评估眼健康干预的实施情况。
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。




