使用智能技术减少农村社区居住老年人COVID-19相关残疾

数据集获取

源站：https://clinicaltrials.gov/study/NCT05379504

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

条件：生活质量，多重残疾。密苏里州超过85%的地区为农村，与居住在密苏里州城市地区的人相比，这些农村地区的居民年龄更大，且获得常规医疗保健的机会更少。残疾人，尤其是老年人，感染COVID-19的风险更高。在COVID-19大流行期间，迫切需要减少残疾并改善社区居住的老年残疾人的生活质量，以实现成功的就地养老。研究人员与我们的合作公司Foresite Healthcare共同开发了一种经过验证的基于传感器的技术解决方案，用于监测家庭中与健康相关的行为。在一项多中心随机对照试验中，研究人员证明，配备护理协调的传感器系统可以防止居住在辅助生活设施中的老年人功能下降。这项研究的长期目标是尽可能长时间地支持老年残疾人的独立生活。

本项目旨在将传感器系统部署于农村社区居住的残疾老年人家中，并评估该系统在减少残疾和提高健康相关生活质量方面的效果。采用双臂随机对照试验，将在64位老年人的家中安装传感器系统。随机分配至研究组1的参与者将接受多学科（护理、职业治疗和社会工作）自我管理干预，并与传感器系统相结合。该干预基于5As自我管理方法，是我们先前研究中护理协调的直接转化。随机分配至研究组2的参与者将接受标准健康教育，并与传感器系统相结合。将使用RE-AIM框架，利用从目标1、2和3收集的个体和设置层面数据，制定供未来不同合作机构使用的实施指南。该项目将完成

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。