舒适沟通模型干预用于烧伤疼痛与疼痛焦虑
该数据集来自clinicaltrials.gov,主题为舒适沟通模型干预用于烧伤疼痛与疼痛焦虑,分类属于精神与行为障碍下的其他类别

基本信息
资源简介
舒适沟通模型干预用于烧伤疼痛与疼痛焦虑
该数据集来自clinicaltrials.gov,主题为舒适沟通模型干预用于烧伤疼痛与疼痛焦虑,分类属于精神与行为障碍下的其他类别。源站描述指出,多数烧伤患者接受门诊治疗,而需入住烧伤病房者则需密集且长期的治疗与护理。所有烧伤患者都需应对烧伤本身及治疗操作带来的疼痛,包括程序性疼痛、静息痛和突发痛,其中换药时的程序性疼痛被视为最痛苦的非手术操作。护理人员应重视患者主诉,通过频繁询问疼痛强度与特征来实施有效疼痛管理。该数据可用于烧伤疼痛与焦虑相关的护理干预研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:烧伤患者、疼痛管理、护理干预。大多数烧伤患者接受门诊治疗,而那些需要在烧伤病房住院治疗的患者则需要密集且长期的治疗和护理。所有因烧伤住院或接受门诊治疗的患者都必须应对烧伤本身以及烧伤治疗过程中所进行操作带来的疼痛。烧伤患者会经历三种类型的疼痛:程序性疼痛、静息痛和突发痛。烧伤患者在换药过程中经历的程序性疼痛被认为是所有非手术操作中最痛苦的。在此过程中,护士应优先考虑患者的主诉,并通过频繁询问疼痛的强度和特征来提供有效的疼痛管理。在特定时间间隔重复进行的操作,s
【主题与分类】
主题标签:Burn Patients、Pain Management、Nursing Interventions。本站分类:精神与行为障碍。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07385339
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/NCT07385339
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:烧伤患者、疼痛管理、护理干预。大多数烧伤患者接受门诊治疗,而需要在烧伤病房住院治疗的患者则需要密集且长期的治疗和护理。所有因烧伤而住院或接受门诊治疗的患者都必须应对烧伤本身以及烧伤治疗过程中所进行操作引起的疼痛。烧伤患者经历三种类型的疼痛:操作性疼痛、静息性疼痛和突发性疼痛。烧伤患者在换药过程中经历的操作性疼痛被认为是所有非手术操作中最疼痛的。在此过程中,护士应优先关注患者的主诉,并通过频繁询问疼痛的强度和特征来提供有效的疼痛管理。诸如伤口护理等按特定间隔重复进行的操作,以及患者对这种周期性的知晓,可能导致患者产生预期性焦虑。文献报道了换药与疼痛、焦虑和压力增加之间的关系,并且焦虑会对伤口愈合产生负面影响。
在Dehghani等人的一项研究中,探讨了烧伤患者伤口护理期间疼痛与焦虑之间的关系;研究报告指出,伤口护理期间经历的疼痛与烧伤特异性疼痛焦虑相关,并且护士对患者疼痛的评估以及通过药物和非药物方法减轻疼痛对患者的身体和心理健康至关重要。为烧伤患者提供整体护理的护士在诊断患者的疼痛和焦虑水平、确保疼痛控制以及减轻其焦虑方面发挥着重要作用。疼痛和焦虑是烧伤患者中相互关联的因素。患者的疼痛预期和经历会导致不同程度的焦虑,并且已表明疼痛和焦虑相互交织,形成恶性循环。Karakteke和其他研究人员强调,存在直接的关
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。




