眼病筛查后提升转诊衔接策略研究

该数据集来自 clinicaltrials.gov,围绕眼病筛查后如何提升转诊衔接展开。研究对象为在 Village Integrated Eye Worker II(VIEW II)试验中经眼病筛查后被转诊至眼科医院的参与者,涉及年龄相关性黄斑变性、糖尿病视网膜病变和青光眼

University of California, San FranciscoUniversity of California, San Francisco
clinicaltrials
浏览 13
文本分类Age Related Macular DegenerationDiabetic RetinopathyGlaucoma
Strategies for Improving Linkage-to-Care After Eye Disease Screening

基本信息

模态
文本
任务类型
分类
创建/更新时间
2026-10-12

资源简介

眼病筛查后提升转诊衔接策略研究

该数据集来自 clinicaltrials.gov,围绕眼病筛查后如何提升转诊衔接展开。研究对象为在 Village Integrated Eye Worker II(VIEW II)试验中经眼病筛查后被转诊至眼科医院的参与者,涉及年龄相关性黄斑变性、糖尿病视网膜病变和青光眼。参与者被随机分入三种转诊衔接干预:短信提醒、卫生工作者提醒或不干预。主要结局为筛查后 21 天内是否到眼科医院就诊。数据可用于比较不同提醒策略对转诊依从性的影响(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):病症:年龄相关性黄斑变性、糖尿病视网膜病变、青光眼。这项随机、平行组、对照试验的目标是比较改善 Village Integrated Eye Worker II(VIEW II)试验参与者转诊衔接的方法,这些参与者在眼病筛查后被转诊至眼科医院。在眼筛查访视时被转诊至医院的参与者将被随机分配至三种不同的转诊衔接干预:(1)短信提醒,(2)卫生工作者提醒,或(3)不干预。该试验的主要结局是参与者在筛查后 21 天内是否到眼科医院就诊。

【主题与分类】

主题标签:Age Related Macular Degeneration、Diabetic Retinopathy、Glaucoma。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/NCT06943599

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/NCT06943599

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

疾病:年龄相关性黄斑变性、糖尿病视网膜病变、青光眼。这项随机、平行组、对照试验的目的是比较提高转诊至眼科医院的 Village Integrated Eye Worker II(VIEW II)试验参与者 linkage-to-care 的方法,这些参与者在眼病筛查后被转诊。在眼科筛查访视时被转诊至医院的参与者将被随机分配到三种不同的 linkage-to-care 干预措施中:(1)短信提醒,(2)卫生工作者提醒,或(3)无干预。该试验的主要结局是参与者在筛查后21天内是否到眼科医院就诊接受转诊访视。

数据加载示例(表格/文本类)

import pandas as pd, glob, os

files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))

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