非使用者对数字糖尿病自我管理工具接受度的定性研究：个人、社会与医疗情境的模板分析

数据集获取

源站：https://doi.org/10.48420/33986137

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

英国国家医疗服务体系近期在其10年规划中宣布，计划将模拟服务转向数字服务。然而，数字健康技术也可能加剧现有的不平等。MyWay Diabetes是一项在英格兰三个地区实施的数字自我管理干预措施。了解在线和数字工具在支持糖尿病自我管理方面的可接受性，尤其是在非使用者和服务不足群体中的可接受性，对于确保公平参与和实施至关重要。本研究是一项嵌套在更广泛混合方法评估中的定性分析，该评估旨在检验MyWay Diabetes的有效性。本研究旨在：(1) 探索在不同人口统计学群体中，未使用过MyWay Diabetes平台的1型和2型糖尿病患者使用在线和数字支持的障碍；(2) 确定可提高采用率和持续参与度的因素。

我们开展了六个焦点小组，共n=35人。该数据集包含模板分析，支持论文《理解非使用者对数字糖尿病自我管理工具的接受度：一项关于个人、社会和医疗保健背景的定性研究》中所述的主题。模板分析的一个新颖特征是编码模板的迭代开发。此处包括编码模板的每个版本以及模板的最终版本（版本4）。可接受性理论框架（TFA）为数据分析提供了指导。基于TFA构念以及在初始数据编码过程中识别出的归纳性编码，开发了初始编码模板（模板1）。随着更高阶的TFA构念在参与者叙述的多个部分中反复出现（例如，参与者讨论了与其糖尿病管理、数字工具使用以及更广泛的医疗保健结构相关的“情感态度”），更新后的模板侧重于归纳性编码（模板2），并演绎性地映射到TFA构念

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。