药师主导模型改善口腔黏膜疾病处方质量
本数据集来自 clinicaltrials.gov,为一项整群随机干预研究,评估药师主导模型在口腔黏膜疾病管理中对处方质量与患者结局的改善作用

基本信息
资源简介
药师主导模型改善口腔黏膜疾病处方质量
本数据集来自 clinicaltrials.gov,为一项整群随机干预研究,评估药师主导模型在口腔黏膜疾病管理中对处方质量与患者结局的改善作用。研究以牙科门诊场次为整群,分为干预组与常规护理对照组,覆盖口腔扁平苔藓、复发性阿弗他口炎、灼口综合征、疱疹病毒感染及口腔念珠菌病患者。干预组由临床药师通过结构化处方审核、循证反馈、标准化用药算法、患者咨询以及用药依从性与药物不良反应监测来支持牙医。该数据可用于处方质量评价、干预效果分析及口腔黏膜疾病用药管理研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:口腔扁平苔藓、复发性阿弗他口炎、灼口综合征、口腔念珠菌病、疱疹病毒感染。这是一项整群随机干预研究,评估一种药师主导模型,以改善口腔黏膜疾病管理中的处方质量和患者结局。牙科门诊场次(整群)将被分配到干预组或常规护理对照组。该研究纳入被诊断为口腔扁平苔藓、复发性阿弗他口炎、灼口综合征、疱疹病毒感染或口腔念珠菌病的患者。在干预整群中,临床药师将通过结构化处方审核、循证反馈、标准化用药算法、患者咨询以及用药依从性与药物不良反应监测来支持牙医。对照整群将继续常规牙科护理,不进行
【主题与分类】
主题标签:Oral Lichen Planus、Recurrent Aphthous Stomatitis、Burning Mouth Syndrome、Oral Candidiasis、Herpes Virus Infection。本站分类:感染性疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07721090
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/NCT07721090
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
疾病:口腔扁平苔藓、复发性阿弗他口炎、灼口综合征、口腔念珠菌病、疱疹病毒感染。这是一项整群随机干预研究,旨在评估由药师主导的模式在口腔黏膜疾病管理中改善处方质量和患者结局的效果。牙科门诊时段(群组)将被分配至干预组或常规护理对照组。该研究纳入诊断为口腔扁平苔藓、复发性阿弗他口炎、灼口综合征、疱疹病毒感染或口腔念珠菌病的患者。在干预群组中,临床药师将通过结构化处方审核、循证反馈、标准化用药算法、患者咨询以及用药依从性和药物不良反应监测来支持牙科医生。对照群组将继续进行常规牙科诊疗,不涉及药师参与。该研究将首先开展外部预试验阶段,以评估可行性、优化工作流程并最终确定研究工具,随后进入基线阶段,然后全面实施整群随机试验。主要结局包括处方指南一致性。
次要结局包括患者依从性、症状严重程度、生活质量和用药安全性。过程和实施结局将采用能力-机会-动机行为(COM-B)模型以及可达性、有效性、采纳性、实施性和维持性(RE-AIM)框架进行评估,以评价该干预措施在真实牙科实践中的可接受性、可行性和可持续性。
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。




