利用社区卫生工作者支持农村重症老年退伍军人的照护伙伴
该数据集来自 clinicaltrials.gov,聚焦利用社区卫生工作者(CSNAV)支持农村重症老年退伍军人的照护伙伴

基本信息
资源简介
利用社区卫生工作者支持农村重症老年退伍军人的照护伙伴
该数据集来自 clinicaltrials.gov,聚焦利用社区卫生工作者(CSNAV)支持农村重症老年退伍军人的照护伙伴。覆盖疾病包括痴呆、癌症、肾病和阻塞性肺病。研究采用随机对照试验,为期27个月,实施6个月干预,主要比较干预组与常规照护者支持项目(CSP)组在照护伙伴负担、满意度和退伍军人幸福感等方面的差异。数据可用于评估社区健康工作者干预对农村照护伙伴及退伍军人结局的预测效果(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:痴呆、癌症、肾病、阻塞性肺病。目标1:确定CSNAV在提高农村退伍军人幸福感、减轻农村照护伙伴负担以及提高干预组农村照护伙伴/退伍军人对VA照护的满意度方面,与常规照护者支持项目(CSP)组相比的有效性。研究者将在27个月内开展一项为期6个月的随机对照试验干预。主要结局:(H1)随机分配到干预组的照护伙伴在6个月时的平均Zarit-1216负担评分低于对照组。次要结局:(H2)随机分配到干预组的照护伙伴和退伍军人在6个月时的平均CAHPS Global Satisfaction17评分高于对照组。(H3)随机分配到干预组的退伍军人在6个月时的平均Warwick Edinburgh Mental Well
【主题与分类】
主题标签:Dementia、Cancer、Renal Disease、Obstructive Pulmonary Disease。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06963970
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/NCT06963970
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
疾病:痴呆、癌症、肾脏疾病、阻塞性肺病。目标1:确定CSNAV在提高农村退伍军人福祉、减轻农村照护伙伴负担以及提高农村照护伙伴/退伍军人对VA护理满意度方面的有效性,将干预组与常规护理照护者支持计划(CSP)组进行比较。研究者将在27个月内开展一项为期6个月的随机对照试验干预。主要结局:(H1)随机分配至干预组的照护伙伴在6个月时的Zarit-1216负担评分均值低于对照组。次要结局:(H2)随机分配至干预组的照护伙伴和退伍军人在6个月时的CAHPS总体满意度17评分均值高于对照组。(H3)随机分配至干预组的退伍军人在6个月时的Warwick Edinburgh心理健康量表18评分均值高于对照组。目标2:干预后,研究者将通过半结构化访谈探讨退伍军人和照护伙伴对CHWs作为VA支持模式的体验。
随后,研究人员促进与社区咨询委员会以及研究中的退伍军人/照护伙伴、社区卫生工作者和关键运营伙伴开展德尔菲法会议,运用更新的CFIR框架审查目标1和目标2的数据,以进行干预改进和实施规划。目标3:从VA视角开展预算影响分析,评估成本驱动因素并评估可行性,为在VA区域网络内调整和实施该干预措施提供依据。
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。




