治疗性教育项目对阿尔茨海默病患者生活质量的影响
该数据集来自 clinicaltrials.gov,聚焦阿尔茨海默病,收录一项单中心随机对照干预试验。研究对象为社区居住的轻中度阿尔茨海默病患者(MMSE 11 至 26)及其主要照护者组成的 170 对“患者-照护者”配对,干预组与对照组各 85 对,计划在十八个月内纳入

基本信息
资源简介
治疗性教育项目对阿尔茨海默病患者生活质量的影响
该数据集来自 clinicaltrials.gov,聚焦阿尔茨海默病,收录一项单中心随机对照干预试验。研究对象为社区居住的轻中度阿尔茨海默病患者(MMSE 11 至 26)及其主要照护者组成的 170 对“患者-照护者”配对,干预组与对照组各 85 对,计划在十八个月内纳入。研究旨在评估面向患者与主要照护者的治疗性教育项目能否在两个月后改善患者生活质量,主要终点为 AD 相关指标。数据可用于阿尔茨海默病照护干预、生活质量评估及随机对照试验方法学研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:阿尔茨海默病。本研究旨在确定针对社区居住的 AD 患者及其主要照护者的治疗性教育项目能否在两个月后改善患者的生活质量。设计:本研究为单中心随机对照干预试验。人群:将在十八个月内纳入一百七十对“患者-照护者”配对,其中患者患有轻度至中度严重的阿尔茨海默病(MMSE 11 至 26),居住在社区,并有一位主要照护者。主要照护者定义为与患者同住或每周至少提供 3 次照护或每周 8 小时照护的人;他/她不是专业人员。八十五对将纳入干预组(A 组),八十五对纳入对照组(B 组)。结局:我们的主要终点是 AD
【主题与分类】
主题标签:Alzheimer Disease。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/NCT01796314
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/NCT01796314
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
条件:阿尔茨海默病。本研究旨在确定一项针对社区居住的阿尔茨海默病患者及其主要照护者的治疗性教育项目是否能在两个月后改善患者的生活质量。设计:本研究为单中心随机对照干预试验。人群:将在18个月内纳入170对“患者-照护者”组合,其中患者患有轻至中度严重阿尔茨海默病(MMSE 11至26),居住在社区且有主要照护者。主要照护者定义为与患者同住或每周至少提供3次照护或每周至少8小时照护的人;他/她不是专业人员。85对将纳入干预组(A组),85对纳入对照组(B组)。结局:我们的主要终点是由照护者在两个月时报告的、通过Logsdon阿尔茨海默病生活质量量表(Qol-AD)评估的AD患者生活质量。
我们的次要终点包括:通过Zarit负担访谈评估的照护者负担,通过神经精神科访谈评估的行为和心理症状的频率与严重程度,通过Katz日常生活活动量表和Lawton工具性日常生活活动量表评估的个人和工具性日常生活活动独立性,以及通过诺丁汉健康量表在6个月时评估的照护者生活质量。患者生活质量还将在12个月时通过日志记录的阿尔茨海默病生活质量量表报告,并在每次访视(M0、M2、M6和M12)时通过患者本人报告的同一量表(QoL-AD)记录。干预:干预是一项治疗性教育计划。它包括两次针对阿尔茨海默病患者/照护者二元组合的咨询和四次小组会议,每周一次,仅针对照护者。干预持续时间为2个月。干预组(n=85)将受益于教育
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。




