评估健康应用推荐工具的有效性

数据集获取

源站：https://clinicaltrials.gov/study/NCT07216716

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

疾病背景：阿尔茨海默病相关痴呆症。痴呆症照护是一项日益严峻的挑战，主要由中青年成年人承担，他们往往面临显著的身心健康需求。尽管已有众多能够满足这些需求的智能健康技术，但照护者常常因选择过多且缺乏明确指导而难以找到合适的健康应用程序。拟议解决方案：为弥合这一差距，健康应用推荐工具（HART）应运而生，作为一个用户友好型平台，旨在将痴呆症照护者与其个性化需求相匹配的生物医学健康应用连接起来。HART通过一份简短的调查问卷收集用户的具体需求、可及性考量、可用支持及技术素养等针对性信息。随后，一套精密的匹配算法将这些用户档案与经过客观评估的健康应用库进行比对，为每位照护者提供一份精选的最合适应用列表。

这种个性化方法旨在促进健康应用程序的采用和持续使用，从而提升照护者的健康和生活质量。初步评估表明，HART有望在个性化健康技术领域树立新标准，为痴呆症照护者提供一种切实可行的解决方案，帮助他们在广泛且未知的生物医学健康应用领域中导航，以满足其个体化和多方面的需求。通过简化寻找合适健康技术的过程，HART不仅减轻了照护者的负担，还使他们能够更有效地管理自身健康和照护责任。持续对HART进行改进和评估，对于确保其有效性和广泛采用至关重要，最终有助于改善痴呆症照护者及其照护对象的健康结果。

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。