正念养育——单案例实验设计研究
该数据集来自 clinicaltrials.gov,主题为面向有明显外观差异儿童家长的正念养育在线干预。源站描述涉及 Parenting、Alopecia、Skin Condition、Limb Difference、Neurofibromatoses、Craniofacial、Cleft Lip

基本信息
资源简介
正念养育——单案例实验设计研究
该数据集来自 clinicaltrials.gov,主题为面向有明显外观差异儿童家长的正念养育在线干预。源站描述涉及 Parenting、Alopecia、Skin Condition、Limb Difference、Neurofibromatoses、Craniofacial、Cleft Lip and Palate 等状况,研究目标包括考察在线正念养育干预的可行性、可接受性与初步效果,是否降低养育压力、提升正念养育水平、影响儿童福祉,以及干预依从性、流失率和参与者对可接受性的看法。可用于相关干预研究的可行性评估与效果分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):状况:养育、Alopecia、皮肤状况、肢体差异、Neurofibromatoses、颅面、唇腭裂。目的 调查面向有明显外观差异儿童家长的在线正念养育干预的可行性、可接受性和初步效果。 调查该干预是否降低养育压力。 调查完成该干预是否导致正念养育水平提高。 调查完成正念养育干预是否对儿童福祉产生影响。 调查面向有明显外观差异儿童家长的在线正念养育干预的可行性,包括对干预的依从性、流失率以及参与者对干预可接受性的看法。假设 完成干预将导致……
【主题与分类】
主题标签:Parenting、Alopecia、Skin Condition、Limb Difference、Neurofibromatoses、Craniofacial、Cleft Lip and Palate。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05779527
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/NCT05779527
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
疾病:育儿、脱发、皮肤状况、肢体差异、神经纤维瘤病、颅面畸形、唇腭裂。目的 * 探讨针对有明显差异儿童父母的在线正念育儿干预的可行性、可接受性和初步效果。 * 探讨该干预是否减轻育儿压力。 * 探讨完成该干预是否导致正念育儿水平提高。 * 探讨完成正念育儿干预是否对儿童福祉产生影响。 * 探讨针对有明显差异儿童父母的在线正念育儿干预的可行性,包括干预依从性、流失率以及参与者对干预可接受性的看法。假设 * 完成干预将导致父母压力的个体化测量发生变化。即,积极目标改善,消极目标减少。这些改善将在随访中得以维持。
- 完成干预后,标准化评估指标上的父母压力将有所降低。这些改善将在随访中得以维持。* 完成干预后,标准化评估指标上的儿童福祉将有所改善。这些改善将在随访中得以维持。* 完成干预后,使用标准化评估工具测量的正念养育水平将有所提高。这些改善将在随访中得以维持。* 正念养育水平的提高将与个体化及标准化评估指标上的更好结果相关。方法学 设计 本研究将采用A-B-A2单案例实验设计。A阶段将包括两周的基线期。B阶段将为为期六周的干预。A2阶段将为四周的随访期及一次退出访谈。主要结局变量将为一般育儿压力以及与儿童可见差异相关的育儿压力,测量
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。




