Friends, Family & Food:青少年食物过敏App - II
核心内容是名为Friends, Family, and Food App(F3A-App)的互动游戏化应用,包含游戏化应用核心程序及互动环境中的体验式场景(如学校食堂情景),用于在社交情境中练习食物回避与反应管理知识及行为技能

基本信息
资源简介
Friends, Family & Food:青少年食物过敏App - II
该数据集来自clinicaltrials.gov,聚焦儿童食物过敏(Food Allergy in Children),面向8-12岁学龄儿童。核心内容是名为Friends, Family, and Food App(F3A-App)的互动游戏化应用,包含游戏化应用核心程序及互动环境中的体验式场景(如学校食堂情景),用于在社交情境中练习食物回避与反应管理知识及行为技能。数据可用于开发或评估儿童食物过敏知识获取、行为技能培养及疾病管理相关的干预工具(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:儿童食物过敏。本项目的核心目标是开发一款面向8-12岁学龄食物过敏(FA)儿童的互动式游戏化应用(App),以增加知识、改善疾病管理的行为技能,并最终降低不良结局风险。有效的儿童FA干预应针对食物回避和反应管理的内容领域,并在这些领域中促进知识获取、培养行为技能,并提供在社交情境中练习这些技能的机会。“Friends, Family, and Food App(F3A-App)”由四个相关部分组成:(a)作为项目核心的互动式游戏化应用,(b)互动环境中的体验式场景(例如学校食堂情景),针对社交情境中的知识和行为技能练习,
【主题与分类】
主题标签:Food Allergy in Children。本站分类:免疫系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05111938
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/NCT05111938
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:儿童食物过敏。本项目的核心目标是开发一款面向8-12岁食物过敏(FA)学龄儿童的交互式游戏化应用程序(App),以增加知识、改善疾病管理的行为技能,并最终降低不良结局的风险。有效的儿童食物过敏干预应针对食物回避和反应管理的内容领域,并在这些领域中促进知识获取、培养行为技能,并提供在社会情境中运用这些技能的练习。“朋友、家庭与食物App(F3A-App)”由四个相关部分组成:(a)作为项目核心的交互式游戏化应用程序;(b)交互环境中的体验式情境(如学校食堂情景短片),针对社会情境中的知识和行为技能练习;(c)两款引人入胜的多关卡游戏,用于培养食物回避技能(标签学习:喜欢它还是失去它!)和症状评估技能(反应行动!);以及(d)多层奖励系统,采用基于代币经济的强化机制来增强动机和参与度(海洋生物奇观)。
从用户的角度来看,这款互动式、基于游戏的应用程序提供了在角色扮演情境中练习行为技能的机会(例如,协商面对接受触发食物的压力、向成年人寻求帮助、应对取笑/欺凌),并提供即时反馈和强化。在该II期项目中,研究人员提议制作F3A-App的完整开发版本,包括增加内容和增强功能,并在随机临床试验中评估最终产品。II期的具体目标是:1. 根据I期收集的用户反馈和数据完善F3A-App。2. 开发和实地测试额外内容,包括两个额外的互动环境(家庭聚会、学校百家宴);并在L中增加游戏复杂性(即更多关卡和选项)
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




