医疗教练支持降低癌症患者急性护理使用与成本

数据集获取

源站：https://clinicaltrials.gov/study/NCT03154190

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

疾病类型：急性髓系白血病、脑胶质母细胞瘤、雌激素受体阴性、广泛期小细胞肺癌、头颈部癌、HER2/Neu阴性、激素抵抗性前列腺癌、局限期小细胞肺癌。主要目标：I. 通过培训和部署医疗保健教练，帮助患者及家属讨论护理目标、采用虚拟方式、参与共同决策并参加教育活动，将晚期癌症患者的急性护理利用率降低2-5%。次要目标：I. 改善患者的护理体验。II. 提高患者对预先护理计划的理解。III. 提高目标一致性护理的接受度。IV. 降低总医疗成本。大纲：患者被随机分配到2个组中的1个。A组：患者接受常规护理。B组：患者接受医疗保健教练支持，包括项目基线介绍（通过电话或面对面），随后在首次肿瘤科预约后与医疗保健教练进行访问（通过电话或面对面），讨论护理目标。

健康教练将根据患者的持续需求（每周至每月）与患者联系，并依据患者的治疗计划和症状进行症状评估。研究完成后，对患者进行为期6个月的随访。

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。