基于虚拟现实的2型糖尿病患者足部健康项目
该数据集来自 clinicaltrials.gov,聚焦内分泌、营养和代谢疾病下的糖尿病领域,主题为基于虚拟现实的“Health at My Feet”项目在2型糖尿病患者中的应用

基本信息
资源简介
基于虚拟现实的2型糖尿病患者足部健康项目
该数据集来自 clinicaltrials.gov,聚焦内分泌、营养和代谢疾病下的糖尿病领域,主题为基于虚拟现实的“Health at My Feet”项目在2型糖尿病患者中的应用。源站描述显示,研究旨在为2型糖尿病患者开发虚拟现实足部健康项目,并评估其对糖尿病足知识、足部护理自我效能、足部护理行为和足部健康的影响。研究类型为随机对照实验研究,包含干预组在测试前、测试后和随访阶段糖尿病足知识量表得分随时间升高的假设。数据可用于糖尿病足护理干预效果评估及相关行为与知识分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:糖尿病足 - 远程医疗监测、糖尿病、足部护理、虚拟现实。本研究目标:为2型糖尿病患者开发基于虚拟现实的“Health to My Foot”项目,并评估该项目对个体糖尿病足知识、足部护理自我效能、足部护理行为和足部健康的影响。研究类型:随机对照实验研究。本研究问题:基于虚拟现实的“Health to My Foot”项目是否对2型糖尿病患者的糖尿病足知识、糖尿病足护理自我效能、足部护理行为和足部健康有影响?本研究假设:假设1. H1:接受基于虚拟现实的“Health to My Foot”项目的干预组个体,其糖尿病足知识量表得分随时间(测试前 - 测试后 - 随访)升高
【主题与分类】
主题标签:Diabetic Foot - Telemedical Monitoring、Diabetic、Foot Care、Virtual Reality。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/NCT07473050
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/NCT07473050
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:糖尿病足——远程医疗监测、糖尿病、足部护理、虚拟现实。本研究目标:为II型糖尿病患者开发基于虚拟现实的“健康走向我的足部”项目,并评估该项目对个体糖尿病足知识、足部护理自我效能、足部护理行为及足部健康的影响。研究类型:随机对照实验研究。本研究问题:基于虚拟现实的“健康走向我的足部”项目是否对II型糖尿病患者的糖尿病足知识、糖尿病足护理自我效能、足部护理行为及足部健康产生影响?本研究假设:假设1. H1:与对照组相比,接受基于虚拟现实的“健康走向我的足部”项目的干预组个体,其糖尿病足知识量表得分随时间(前测-后测-随访)的增加在统计学上显著更高。假设2.
H1:在接受基于虚拟现实的“健康到我的脚”项目的干预组个体中,糖尿病足护理自我效能量表得分随时间(前测-后测-随访)的增幅在统计学上显著高于对照组。假设3。H1:在接受基于虚拟现实的“健康到我的脚”项目的干预组个体中,足部护理行为量表得分随时间(前测-后测-随访)的增幅在统计学上显著高于对照组。假设4。H1:在接受基于虚拟现实的“健康到我的脚”项目的干预组个体中,糖尿病足健康护士随访检查数据(皮肤状况、感觉检查结果等)及风险分类状况(低风险、中风险、高风险)在统计学上显著优于对照组。研究设计:本研究将于2026年4月至10月在内分泌科糖尿病门诊进行。
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。




