增强照护协调:认知障碍老年人及其照护者的医院到家庭过渡
该数据集来自 clinicaltrials.gov,聚焦认知障碍老年患者及其照护者从医院向家庭过渡的照护协调问题。覆盖疾病包括痴呆、血管性痴呆、阿尔茨海默病、谵妄、遗忘性痴呆、认知障碍、路易体病和轻度认知障碍

基本信息
资源简介
增强照护协调:认知障碍老年人及其照护者的医院到家庭过渡
该数据集来自 clinicaltrials.gov,聚焦认知障碍老年患者及其照护者从医院向家庭过渡的照护协调问题。覆盖疾病包括痴呆、血管性痴呆、阿尔茨海默病、谵妄、遗忘性痴呆、认知障碍、路易体病和轻度认知障碍。数据可用于研究认知障碍老年住院患者及照护者在照护系统中的脆弱性,分析其死亡率、发病率及医疗成本,并支持改善照护管理、优化医院与家庭衔接的相关建模与分类任务(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:痴呆、血管性痴呆、阿尔茨海默病、谵妄、遗忘性痴呆、认知障碍、路易体病、轻度认知障碍。认知障碍(CI)是一个重大健康问题,使越来越多因急性内科或外科疾病住院的老年人的照护变得复杂。痴呆和谵妄是这些老年人中CI最常见的原因,与更高的死亡率、增加的发病率和更高的医疗保健成本相关。越来越多的科学证据表明,这些患者及其照护者特别容易受到那些不承认或忽视其需求的照护系统的影响。后果对患者及其照护者是毁灭性的,并给应对护士严重短缺的医院工作人员增加了巨大负担。由于这些原因,医学研究所确定了改善照护管理
【主题与分类】
主题标签:Dementia、Dementia, Vascular、Alzheimer Disease、Lewy Body Disease、Mild Cognitive Impairment。本站分类:神经系统疾病/阿尔茨海默病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00294307
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/NCT00294307
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
病症:痴呆、血管性痴呆、阿尔茨海默病、谵妄、遗忘性痴呆、认知障碍、路易体病、轻度认知障碍。认知障碍(CI)是一个重大的健康问题,它使得越来越多因急性内科或外科疾病住院的老年人的护理变得更加复杂。痴呆和谵妄是这些老年人中认知障碍最常见的原因,与更高的死亡率、增加的发病率及更高的医疗费用相关。越来越多的科学研究表明,这些患者及其照护者尤其容易受到那些未能识别或忽视其需求的医疗体系的影响。其后果对患者及其照护者来说是毁灭性的,并给本已面临严重护士短缺的医院工作人员带来了巨大的负担。鉴于此,医学研究所将改善这一患者群体的护理管理确定为国家的优先行动事项。遗憾的是,目前很少有证据能指导这一患者群体的最佳护理,或满足其照护者的独特需求。
总体而言,现有证据表明,这些患者可能从旨在改善认知障碍(CI)管理、合并症管理或两者兼有的干预措施中获益,但有效且高效地改善他们及其照护者结局所需干预的确切性质和强度尚不清楚。因此,当前正是开展严谨研究的绝佳时机,以确定能为这一具有挑战性的患者群体及其照护者带来高质量、成本效益良好的结局的照护管理策略。
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。




