强化阿萨姆邦农村Boko眼科中心社区到医院眼保健路径

数据集获取

源站：https://clinicaltrials.gov/study/NCT07333248

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：白内障、屈光不正。本36个月的前瞻性混合方法运营研究项目旨在加强农村眼科诊疗的转诊至治疗连续性，通过改善从阿萨姆邦卡姆鲁普（农村）地区博科眼科护理中心（ECC）的社区筛查活动，到古瓦哈提的斯里·桑卡拉德瓦眼科医院（SSDN）基地医院的患者流转。尽管开展了广泛的外展活动，博科ECC显示从社区识别到医院就诊及手术接受的转化率相对较低，近期服务统计数据显示，不到30%的转诊患者到达基地医院，不到25%的患者接受了建议的手术。这一差距可能由行为障碍（恐惧、污名、动力不足、对手术的怀疑）、社会经济限制（无力支付、交通困难、工资损失）、后勤障碍（距离、缺乏导航或随访系统）以及提供更主动患者处理系统的私立医疗机构竞争等因素共同导致。

本研究旨在通过开发并评估一个情境敏感、以患者为中心的模型，系统性地识别并解决这些障碍，该模型将整合社区参与、结构化患者导航、标准化咨询和财务便利化。研究将分三个阶段进行：诊断研究阶段、实施阶段和评估阶段。第一阶段（第0-6个月）将包括基线转诊路径分析和采用混合方法的根本原因分析。将从筛查登记册、转诊记录和医院信息系统中提取定量基线数据，以确定转诊接受率和手术转化率。将通过深入访谈、焦点小组讨论、员工咨询以及与患者、家庭成员、外展现场工作人员和ECC服务提供者的参与式小组讨论来收集定性数据。本阶段的产出将是一份综合清单，

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。