PAINED：急诊科不平等问题项目
PAINED 是来自 clinicaltrials.gov 的数据集，聚焦急诊科中儿童疼痛管理的不平等问题。覆盖疼痛、阑尾炎、种族偏见、骨折等主题，涉及因阑尾炎或长骨骨折就诊的儿童患者
基本信息
资源简介
PAINED：急诊科不平等问题项目
PAINED: Project Addressing INequities in the Emergency Department 是一个来自 clinicaltrials.gov 的数据集，聚焦于急诊科环境中儿童疼痛管理所面临的不平等问题。该数据集围绕疼痛、阑尾炎、种族偏见以及骨折等主题展开，涉及因阑尾炎或长骨骨折而前往急诊科寻求治疗的儿童患者群体。其核心关注点在于医疗质量中存在的种族与族裔差异，并试图通过循证干预措施来探索克服临床医生隐性偏见、减少疼痛管理不平等的可能路径。数据集所属分类为肌肉骨骼系统疾病 / 其他，主题标签包括 Pain、Appendicitis、Bias, Racial 和 Fractures, Bone，整体定位与急诊科儿童疼痛管理的公平性研究密切相关。
【数据集背景】
在广泛的临床环境、患者群体和结局中，医疗质量的种族与族裔不平等已有描述。该数据集所依托的项目，其总体目标是通过循证干预来消除医疗保健中的不平等现象。具体而言，该提案的目标是开发并测试两种干预措施的影响，以克服临床医生的隐性偏见，并减轻因阑尾炎或长骨骨折而在急诊科寻求治疗的儿童在疼痛管理方面的不平等。这一背景决定了数据集的核心议题集中在急诊科、儿童患者、疼痛管理以及种族偏见几个相互交织的维度上。
【数据内容】
该数据集的主题标签涵盖 Pain、Appendicitis、Bias, Racial 和 Fractures, Bone。源站描述中列出的条件包括 Pain、Appendicitis、Bias, Racial、Fractures, Bone。由此可知，数据集内容围绕疼痛、阑尾炎、种族偏见和骨折展开，尤其关注因阑尾炎或长骨骨折就诊于急诊科的儿童患者。数据集所属分类为肌肉骨骼系统疾病 / 其他。除上述主题与条件信息外，源站未提供更细粒度的数据字段、变量列表或样本量等具体内容。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述指出，其依托的提案旨在开发并测试两种干预措施对克服临床医生隐性偏见、减轻急诊科儿童疼痛管理不平等的影响。关于具体的采集方法、采集时间跨度、采集地点、样本招募方式等信息，源站未提供。
【适用场景】
基于其主题与背景，该数据集适用于关注急诊科儿童疼痛管理、种族与族裔不平等、临床医生隐性偏见以及阑尾炎或长骨骨折相关诊疗公平性的研究场景。其目标指向通过循证干预消除医疗保健不平等，因此也可用于探索干预措施在克服隐性偏见和缓解疼痛管理差异方面的作用。除上述方向外，源站未提供其他具体适用场景的说明。
【使用方法】
源站未提供关于该数据集具体使用方法的说明。
【质量与限制】
源站未提供关于该数据集质量评估或使用限制的说明。
【引用与许可】
源站未提供关于该数据集引用方式或许可条款的信息。
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/NCT05488080
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
研究条件：疼痛、阑尾炎、偏见、种族、骨折、骨骼。在广泛的临床环境、患者群体和结局中，已描述了医疗保健质量方面的种族和族裔不平等现象。我们的总体目标是通过基于证据的干预措施消除医疗保健不平等。本提案的目标是开发并测试两种干预措施的影响，以克服临床医生的隐性偏见，并减少因阑尾炎或长骨骨折而在急诊科寻求治疗的儿童疼痛管理中的不平等现象。
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。
