基于职业的生活方式项目对2型糖尿病患者的有效性
该数据集来自 clinicaltrials.gov,聚焦一项针对2型糖尿病成人患者的在线准实验对照试验,评估基于职业的生活方式项目效果

基本信息
资源简介
基于职业的生活方式项目对2型糖尿病患者的有效性
该数据集来自 clinicaltrials.gov,聚焦一项针对2型糖尿病成人患者的在线准实验对照试验,评估基于职业的生活方式项目效果。2型糖尿病占全球糖尿病病例的90-95%,管理需长期生活方式调整,包括健康饮食、身体活动、血糖监测、用药依从、问题解决和压力管理。传统干预短期改善临床指标但长期行为可持续性有限,而职业导向的职业治疗干预将自我管理融入日常习惯与有意义角色。数据可用于研究生活方式干预对生活质量和健康结局的作用(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、成人糖尿病。背景与理由:2型糖尿病占全球糖尿病病例的90-95%,在身体和心理社会功能方面带来重大挑战。有效管理需要长期生活方式适应,包括健康饮食、身体活动、血糖监测、用药依从、问题解决和压力管理。虽然传统生活方式干预在短期内改善临床指标,但其长期行为可持续性可能有限。以职业为中心的职业治疗干预将糖尿病自我管理融入日常习惯和有意义角色,为改善生活质量和健康结局提供结构化框架。研究设计与人群:本研究是一项在线进行的准实验对照试验。目标人群包括
【主题与分类】
主题标签:Diabete Type 2、Diabetes in Adults。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/NCT07847294
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/NCT07847294
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:2型糖尿病,成人糖尿病。背景与依据:2型糖尿病占全球糖尿病病例的90-95%,在身体和心理社会功能方面带来重大挑战。有效管理需要长期的生活方式调整,包括健康饮食、身体活动、血糖监测、用药依从性、问题解决和压力管理。虽然传统生活方式干预可在短期内改善临床指标,但其长期行为可持续性可能有限。以作业为中心的作业治疗干预将糖尿病自我管理融入日常习惯和有意义的角色中,为改善生活质量和健康结局提供结构化框架。研究设计与人群:本研究是一项在线开展的准实验性对照试验。目标人群为年龄18-74岁、被诊断为2型糖尿病超过12个月、能够上网参加在线干预,并能提供诊断证明文件者。
使用G*Power进行样本量计算(alpha = 0.05,power = 0.80,效应量 d = 0.8),确定所需总样本量为42名参与者(每组21名)。干预:干预组参与者将参加通过Zoom开展的8次线上项目(每次60分钟,每周两次),该项目分为5个模块:模块1:觉察(第1次课程):糖尿病管理教育、识别日常挑战,并使用加拿大作业表现测量量表(COPM)确定个体的作业优先事项。模块2:问题解决(第2和第3次课程):教授针对糖尿病自我管理和个人目标量身定制的结构化问题解决步骤。模块3:压力管理(第4和第5次课程):正念技术训练(呼吸觉察、身体扫描、感官觉察),并将其融入日常作息。模块4:能量节约与身体活动(第6和第7次课程):有关一项……的指导
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。




