PechaKucha与PowerPoint用于护士帕金森病教育对比研究

该数据集来自clinicaltrials.gov,聚焦神经系统疾病中的帕金森病护士教育。研究采用两组前测-后测准实验设计,将72名护士按1:1区组随机分为PechaKucha干预组(n=36)和PowerPoint对照组(n=36),两组接受相同教育内容和学习目标

Istanbul University - CerrahpasaIstanbul University - Cerrahpasa
clinicaltrials
浏览 12
图像分类Nursing Education
PechaKucha Versus PowerPoint for Parkinson's Disease Education in Nurses

基本信息

模态
图像
任务类型
分类
创建/更新时间
2026-10-07

资源简介

PechaKucha与PowerPoint用于护士帕金森病教育对比研究

该数据集来自clinicaltrials.gov,聚焦神经系统疾病中的帕金森病护士教育。研究采用两组前测-后测准实验设计,将72名护士按1:1区组随机分为PechaKucha干预组(n=36)和PowerPoint对照组(n=36),两组接受相同教育内容和学习目标。PechaKucha组使用20张幻灯片每20秒自动切换,PowerPoint组采用传统灵活节奏。在教育干预前后评估帕金森病知识与意识水平,可用于比较不同演示方式对护士教育效果的影响(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:护理教育。本研究比较了用于帕金森病教育的PechaKucha和传统PowerPoint演示技术对护士知识及意识水平的影响。研究采用两组前测-后测准实验设计。共72名护士通过1:1区组随机化被分配到PechaKucha干预组(n=36)或PowerPoint对照组(n=36)。两组接受具有相同教育内容和学习目标的帕金森病教育。PechaKucha演示由20张幻灯片组成,每20秒自动切换,而PowerPoint演示则采用传统的灵活节奏形式。在教育干预前和干预后立即评估帕金森病知识和意识。本研究旨在确定演示方式是否

【主题与分类】

主题标签:Nursing Education。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/NCT07800312

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT07800312

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

条件:护理教育。本研究比较了PechaKucha和传统PowerPoint演示技术在帕金森病教育中对护士知识及意识水平的影响。研究采用两组前测-后测准实验设计。共有72名护士通过1:1区组随机化被分配至PechaKucha干预组(n=36)或PowerPoint对照组(n=36)。两组接受的帕金森病教育具有相同的教学内容和学习目标。PechaKucha演示由20张幻灯片组成,每20秒自动切换,而PowerPoint演示则采用传统的灵活节奏形式进行。在教育干预前及干预后立即对帕金森病知识和意识进行评估。本研究旨在确定演示技术是否影响护士在帕金森病教育后的知识与意识。

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。

获取专属数据定制方案