在线护士辅助老年人眼筛查与常规照护的经济评价:整群随机对照试验

该数据集来自一项整群随机对照试验,评估在居家医疗照护场景中,在常规照护基础上增加护士辅助的在线眼筛查工具 iScreen,与仅接受常规照护相比,在减少可避免视力损害方面的成本效果与成本效用

DataverseNLDataverseNL
dataverse
浏览 19
其他Medicine, Health and Life SciencesEconomic evaluationCluster randomised controlled trialEye screeningOlder adultsHome healthcare
Economic evaluation of an online nurse-assisted eye screening versus usual care in older adults: cluster randomised controlled trial

基本信息

模态
其他
创建/更新时间
2026-10-07

资源简介

在线护士辅助老年人眼筛查与常规照护的经济评价:整群随机对照试验

Economic evaluation of an online nurse-assisted eye screening versus usual care in older adults: cluster randomised controlled trial

该数据集来自一项整群随机对照试验,评估在居家医疗照护场景中,在常规照护基础上增加护士辅助的在线眼筛查工具 iScreen,与仅接受常规照护相比,在减少可避免视力损害方面的成本效果与成本效用。研究覆盖老年人群体,随访周期为 12 个月,涉及经济评价、整群随机对照试验设计、眼筛查与居家医疗照护等主题。数据可用于分析 iScreen 干预的经济学表现,为老年眼筛查策略的成本效果与成本效用评估提供依据(来源 DOI 解析)。

【数据集背景】

源站首次发布:2026。

【数据内容】

源站描述(机器翻译,仅供参考):本研究的目的是评估‘iScreen’的成本效果和成本效用。iScreen 是一种在居家医疗照护环境中实施的护士辅助在线眼筛查,在常规照护基础上增加该筛查,与仅接受常规照护相比,在减少可避免视力损害方面的效果(为期 12 个月)。

【主题与分类】

主题标签:Medicine, Health and Life Sciences、Economic evaluation、Cluster randomised controlled trial、Eye screening、Older adults、Home healthcare。本站分类:眼病/其他。

【获取与许可】

源站页面:https://dataverse.nl/citation?persistentId=doi:10.34894/UZEHGO

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://doi.org/10.34894/UZEHGO

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

本研究旨在评估‘iScreen’的成本效果和成本效用。‘iScreen’是一种由护士辅助的在线眼科筛查,在常规护理基础上应用于家庭医疗保健环境,与仅常规护理相比,在减少可避免的视力损害方面(为期12个月)的效果。

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。

获取专属数据定制方案