识别短信支持药物依从性自我效能的障碍与策略

该数据集来自 clinicaltrials.gov,聚焦镰状细胞贫血(Sickle Cell Disease)患者通过短信提升自我效能与药物依从性的障碍和策略

Vanderbilt UniversityVanderbilt University
clinicaltrials
浏览 16
文本分类Sickle Cell Disease
Identifying Barriers and Strategies to Support Self-efficacy for Medication Adherence With Text Messaging

基本信息

模态
文本
任务类型
分类
创建/更新时间
2026-10-08

资源简介

识别短信支持药物依从性自我效能的障碍与策略

该数据集来自 clinicaltrials.gov,聚焦镰状细胞贫血(Sickle Cell Disease)患者通过短信提升自我效能与药物依从性的障碍和策略。研究通过问卷和访谈,覆盖在 Vanderbilt Meharry Center of Excellence (VMCE) 接受照护的青少年和成人患者,识别改善和维持每日用药依从性的偏好,并让患者选择研究者提出或自行生成的短信策略。数据可用于分析自我效能与依从性障碍、挖掘患者偏好,以及支持青少年向成人医疗过渡期的干预设计(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:镰状细胞贫血。研究者将通过问卷和访谈,探讨在 Vanderbilt Meharry Center of Excellence (VMCE) 接受镰状细胞贫血(SCD)照护的青少年和成人患者中,提高自我效能(即感觉自己能够控制疾病的能力)和药物依从性所面临的障碍。研究者将通过选择研究者提出或患者生成的短信策略,识别改善和维持每日用药依从性的偏好。最后,研究者将通过描述成人 SCD 患者以及正在向成人医疗过渡的青少年 SCD 患者中自我效能和药物依从性的障碍,填补文献空白。

【主题与分类】

主题标签:Sickle Cell Disease。本站分类:血液与淋巴系统疾病/镰状细胞贫血。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT02785848

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://clinicaltrials.gov/study/NCT02785848

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:镰状细胞病。研究者将通过问卷调查和访谈,探讨在范德堡梅哈里镰状细胞病卓越中心(VMCE)接受治疗的镰状细胞病(SCD)青少年和成人中,提高自我效能感(即对自身疾病掌控能力的信心)和通过短信提醒提高用药依从性所面临的障碍。研究者将确定通过选择研究者提出或患者生成的短信策略来改善和维持每日用药依从性的偏好。最后,研究者将通过描述镰状细胞病成人以及正在向成人医疗过渡的镰状细胞病青少年中自我效能感和用药依从性的障碍,填补文献空白。

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