阿尔茨海默病患者、配偶照护者与机构化风险：双人组前瞻性观察性队列研究（AID研究）
该数据集来自clinicaltrials.gov，聚焦阿尔茨海默病（AD）患者及其配偶照护者组成的双人组，属于神经系统疾病/阿尔茨海默病分类
基本信息
资源简介
阿尔茨海默病患者、配偶照护者与机构化风险：双人组前瞻性观察性队列研究（AID研究）
该数据集英文全称为 Patients With Alzheimer Disease, Spouse Carers and Risk of Institutionalization: a Prospective Observational Cohort Study of Dyads（AID Study），来源于 clinicaltrials.gov，在站内归入神经系统疾病 / 阿尔茨海默病分类，主题标签为 Alzheimer Disease。其关注对象是阿尔茨海默病（AD）患者与其配偶照护者共同组成的双人组（dyad），研究视角同时覆盖患者与照护者双方，属于前瞻性观察性队列研究。数据集的核心议题是 AD 患者的机构化安置风险，即患者进入养老或护理机构的时间与相关影响因素。源站描述指出，为降低 AD 在个体层面以及支出层面的不良影响，有必要发展基于识别与纠正机构化风险因素的有效策略；而机构化时点虽已被发现与患者健康特征相关，社会、经济与环境因素的作用仍所知甚少。该数据集即围绕这一研究假设组织，适合作为 AD 照护与机构化风险研究的元数据入口。
【数据集背景】
阿尔茨海默病带来个体层面的不良影响，同时也带来支出层面的负担。源站描述明确提出，为减少这些不良影响，需要发展有效策略，而这些策略应建立在识别并纠正 AD 患者机构化风险因素的基础之上。已有认识表明，机构化时点取决于患者的健康特征，但社会、经济与环境因素在其中的角色仍然较少被了解。研究者的假设是：AD 患者的机构化不仅可能与患者的医学—神经心理学特征有关，也可能与双人组（即 AD 患者与配偶照护者）的社会经济与环境特征有关，而这些特征可能改变机构化的延迟时间。该数据集正是在这一背景下，以患者—配偶照护者双人组为观察单元，围绕机构化风险展开前瞻性观察性队列研究。
【数据内容】
该数据集的主题标签为 Alzheimer Disease，站内分类为神经系统疾病 / 阿尔茨海默病。其研究对象为 AD 患者及其配偶照护者构成的双人组，研究设计为前瞻性观察性队列研究。就研究关注的内容维度而言，源站描述涉及三类可能影响机构化的因素：患者自身的医学—神经心理学特征、双人组的社会经济特征，以及环境特征；研究关注的结果与机构化时点或机构化延迟相关。关于数据集的具体样本量、变量字段、随访时长、测量工具与数据表结构，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov，站内分类为神经系统疾病 / 阿尔茨海默病，主题标签为 Alzheimer Disease。其研究设计为前瞻性观察性队列研究，观察单元为 AD 患者与配偶照护者组成的双人组。关于具体的招募方式、采集机构、采集时间窗口、随访频率以及数据采集流程，源站未提供。
【适用场景】
基于源站描述所设定的研究问题，该数据集适用于围绕 AD 患者机构化风险开展的研究，尤其是将患者特征与双人组社会经济、环境特征共同纳入分析的研究场景；也适用于考察上述因素如何改变机构化延迟时间的分析。由于研究对象包含配偶照护者，该数据集还可用于以双人组为分析单元、同时关注患者与照护者双方特征的照护研究。关于该数据集在其他具体应用场景中的适用性，源站未提供。
【使用方法】
该数据集为前瞻性观察性队列研究的数据，分析单元为 AD 患者与配偶照护者组成的双人组。使用时需围绕机构化这一结果，将患者的医学—神经心理学特征与双人组的社会经济、环境特征作为可能的影响因素加以组织。关于具体的变量编码、随访时间处理、统计模型与操作步骤，源站未提供。
【质量与限制】
该数据集为观察性队列设计，其研究假设指向机构化与患者特征及双人组社会经济、环境特征之间的关联；源站描述同时指出，社会、经济与环境因素的作用仍较少被了解，这构成该研究试图填补的认识空白。关于样本量、缺失情况、偏倚控制、随访完整性等具体质量指标，源站未提供。
【引用与许可】
该数据集来源于 clinicaltrials.gov，英文全称为 Patients With Alzheimer Disease, Spouse Carers and Risk of Institutionalization: a Prospective Observational Cohort Study of Dyads（AID Study）。关于引用格式、许可条款与使用限制，源站未提供。
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/NCT02351453
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。为减少阿尔茨海默病（AD）对个体层面以及支出方面的不良影响，有必要制定有效策略，其基础在于识别并纠正AD患者入住机构的风险因素。尽管已确认入住机构的日期取决于患者的健康特征，但社会、经济及环境因素的作用仍鲜为人知。研究者假设，AD患者入住机构不仅可能与患者的医学-神经心理学特征相关，还可能与二元体（即AD患者及其配偶照护者）的社会经济与环境特征相关，这些特征可能改变入住机构的延迟时间。
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。
