支持黑人女性乳腺癌筛查的聊天机器人设计与试点实施

数据集获取

源站：https://clinicaltrials.gov/study/NCT07858825

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：乳腺癌。我们的研究目的是评估一种文化定制聊天机器人干预的有效性，旨在改善在华盛顿大学（UW）接受初级保健且应进行乳腺癌筛查的平均风险黑人女性获取乳腺X光检查预约和完成乳腺癌筛查（BCS）的机会。这是一项前瞻性试点随机对照试验，将评估一种外展策略在通过乳腺X光检查提高BCS完成率方面的有效性。符合入组条件的个人将被随机分配到以下两种干预措施之一：1. 第1组：聊天机器人干预：发送包含乳腺癌筛查教育和预约信息的短信/文本消息；两周后发送提醒消息。2. 第2组：对照组：常规护理。随机分配将基于一种称为“大棒设计”的随机化方案，组间最大耐受不平衡为4。该设计允许以限制层内各组间不平衡的方式生成随机分配，同时确保序列无法根据先前的分配进行预测。

随机化将在各臂内按以下因素进行分层：1）年龄（40-55岁 vs. 56-74岁——以考虑在乳房X光检查频率建议及对技术/聊天机器人的适应度方面可能存在的差异），2）既往任何乳腺癌筛查史（既往筛查者 vs. 从未筛查者），3）活动消息状态（于2026年8月收到UW Medicine Population Health乳腺癌筛查活动外展消息 vs. 未于2026年8月收到外展消息）。我们计划与UW放射科协调，根据乳房X光检查的可及性错开聊天机器人外展的时间。例如，如果未来2周内各站点共有20个可预约名额，我们可能会向100名符合条件的参与者发送聊天机器人外展消息（在筛查逾期的患者中，成功的外展干预预期响应率约为20%）。如果随机化与外展之间存在延迟，

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。