音乐对肺癌患者家庭照顾者焦虑与照顾负担的影响

一项随机对照试验评估7天自选音乐干预对肺癌患者一级亲属照护者负担与焦虑的影响。50名照护者随机分入干预组和对照组(各25名);干预组连续7天每日听自选音乐30分钟,对照组接受常规护理,干预前后评估照护者负担和焦虑

Izmir Bakircay UniversityIzmir Bakircay University
clinicaltrials
浏览 20
其他回归AnxietyEvidence-based PracticeCaregiver BurdenNursingLung Cancer
The Effect of Music on Anxiety and Caregiver Burden in Family Caregivers of Patients With Lung Cancer

基本信息

模态
其他
任务类型
回归
创建/更新时间
2026-10-01

资源简介

音乐对肺癌患者家庭照顾者焦虑与照顾负担的影响

一项随机对照试验评估7天自选音乐干预对肺癌患者一级亲属照护者负担与焦虑的影响。50名照护者随机分入干预组和对照组(各25名);干预组连续7天每日听自选音乐30分钟,对照组接受常规护理,干预前后评估照护者负担和焦虑。结果显示,干预与照护者负担及特质焦虑显著降低相关,提示自选音乐或可作为家庭照护者可行、低成本的补充护理干预(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:焦虑、循证实践、照顾者负担、护理、肺癌。这项随机对照试验评估了为期7天的自选音乐干预对肺癌患者一级亲属家庭照顾者的照顾者负担和焦虑的影响。50名照顾者被随机分配到干预组(n=25)或对照组(n=25);干预组连续7天每天聆听所选音乐30分钟,对照组接受常规护理。在干预前后评估照顾者负担和焦虑。该干预与照顾者负担和特质焦虑的显著降低相关,提示自选音乐可能是家庭照顾者一种可行、低成本的辅助护理干预。

【主题与分类】

主题标签:Anxiety、Evidence-based Practice、Caregiver Burden、Nursing、Lung Cancer。本站分类:肿瘤/肺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07847138

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT07847138

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:焦虑、循证实践、照顾者负担、护理、肺癌。这项随机对照试验评估了为期7天的自选音乐干预对肺癌患者一级亲属家庭照顾者的照顾者负担和焦虑的影响。50名照顾者被随机分配到干预组(n=25)或对照组(n=25);干预组连续7天每天聆听所选音乐30分钟,对照组接受常规护理。在干预前后评估照顾者负担和焦虑。该干预与照顾者负担和特质焦虑的显著降低相关,提示自选音乐可能是家庭照顾者一种可行、低成本的辅助护理干预。

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。

获取专属数据定制方案