面向记忆抱怨者及其全科医生的诊断决策辅助工具实施研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT04531956

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：痴呆、阿尔茨海默病性痴呆、轻度痴呆。研究设计：本研究将采用前后对照混合方法设计。在前组（BG）中，全科医生将在记忆主诉诊断路径的决策过程中执行常规照护。在后组（AG）中，将在全科医生提供的决策过程中加入患者决策辅助工具。同一批全科医生将同时参与前组和后组，从而最大程度提高前组与后组之间的可比性。研究者旨在采用混合方法，以广泛而深入地理解对记忆主诉患者、其重要他人以及参与决策过程的全科医生而言重要的问题。采用此方法是为了充分揭示记忆主诉诊断路径决策过程以及共享决策干预的复杂性。研究场所：本研究由马斯特里赫特大学医学中心（MUMC+）与奈梅亨拉德堡德大学医学中心（Radboudumc Nijmegen）密切合作开发。

参与的全科医生、有记忆主诉者及其重要他人将从位于荷兰东南部的全科诊所招募。参与者 患者参与 在研究开始前，林堡阿尔茨海默中心的一个客户小组（即由痴呆症患者及其重要他人组成的小组）被邀请对研究设计提出意见。在研究期间，有记忆主诉者及其重要他人将密切参与SDM干预措施的制定和实施。招募与研究参与者 首先，研究人员将向在荷兰东南部工作的全科医生发送一封关于该研究的信息信。尚未针对全科医生制定具体的纳入和排除标准。希望参与的全科医生将被要求向研究团队寄回申请表。随后，研究团队将向参与

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。