帕金森病患者预立医疗照护计划与照护协调
该数据集来自 clinicaltrials.gov,聚焦帕金森病及帕金森综合征患者的预立医疗照护计划(ACP)与照护协调

基本信息
资源简介
帕金森病患者预立医疗照护计划与照护协调
该数据集来自 clinicaltrials.gov,聚焦帕金森病及帕金森综合征患者的预立医疗照护计划(ACP)与照护协调。源站描述显示,研究将评估在多中心、开放标签、平行组随机对照试验中,由受训护士开展 ACP 对话并提供照护支持的“PD_Pal intervention”的有效性,覆盖奥地利、爱沙尼亚、德国、希腊、意大利、瑞典和英国七个欧洲国家。数据可用于了解晚期帕金森病复杂运动与非运动症状背景下的 ACP 研究设计,以及跨国家照护协调干预的评估框架(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:帕金森病、帕金森综合征。背景:帕金森病(PD)患者,包括帕金森综合征患者,会经历复杂的运动和非运动症状,这些症状在 PD 晚期会变得更加严重。预立医疗照护计划(ACP)使个人能够为未来医疗确定目标和偏好,并有助于确保人们在严重慢性疾病期间获得与其偏好一致的治疗和照护。ACP 对 PD 的有效性目前尚不清楚。方法:研究者将评估一项多中心、开放标签、随机对照试验的有效性,采用平行组设计,在七个欧洲国家(奥地利、爱沙尼亚、德国、希腊、意大利、瑞典和英国)开展。“PD_Pal intervention”包括(1)由受过培训的护士进行多次咨询,该护士将开展 ACP 对话并支持照护
【主题与分类】
主题标签:Parkinson Disease、Parkinsonism。本站分类:神经系统疾病/帕金森病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05954013
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/NCT05954013
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:帕金森病、帕金森综合征。背景:帕金森病(PD)患者,包括帕金森综合征患者,会经历复杂的运动和非运动症状,这些症状在PD晚期会变得更加严重。预先护理计划(ACP)使个人能够为未来的医疗治疗确定目标和偏好,并确保人们在患有严重慢性疾病期间获得符合其偏好的治疗和护理。目前尚不清楚ACP对PD的有效性。方法:研究人员将评估一项多中心、开放标签随机对照试验的有效性,该试验采用平行组设计,在七个欧洲国家(奥地利、爱沙尼亚、德国、希腊、意大利、瑞典和英国)进行。“PD_Pal干预”包括(1)与受过培训的护士进行多次咨询,护士将进行ACP对话并支持护理协调,以及(2)使用以患者为导向的“帕金森支持计划工作手册”。干预组将与常规护理组进行比较。主要终点是在基线后6个月评估的医疗记录/患者中心文件中记录的ACP决策。
次要终点包括患者及家庭照护者的生活质量、感知的照护协调性、患者症状负担以及成本效果。评估将在基线、基线后6个月和基线后12个月进行。同时,我们将开展过程评估,以了解该干预措施的可行性。假设:研究者假设,与常规照护相比,PD_Pal干预将使医疗记录/患者中心档案中具有ACP文档的参与者数量增加。其次,研究者预期,由于PD_Pal干预,患者及其FC将获得更好的照护协调性、更好的生活质量、减轻的患者症状负担,并且FC将经历照护者负担的减轻。
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。




