帕金森病主动整合管理与赋能(PRIME-UK):一种新型照护模式(PRIME-RCT)
该数据集来自 clinicaltrials.gov,主题为帕金森病(Parkinsonism)的照护模式研究,属于神经系统疾病范畴

基本信息
资源简介
帕金森病主动整合管理与赋能(PRIME-UK):一种新型照护模式(PRIME-RCT)
该数据集来自 clinicaltrials.gov,主题为帕金森病(Parkinsonism)的照护模式研究,属于神经系统疾病范畴。研究关注帕金森病患者随疾病进展出现的运动与非运动症状,以及现有照护模式难以满足其不断变化需求的问题。该试验为单中心随机对照试验,将帕金森病患者及其非正式照护者随机分为两组,评估 PRIME Parkinson 多组分整合照护模式与常规照护相比,能否提升患者实现个人目标的能力、改善健康与症状负担并更具成本效益。数据可用于照护模式比较、患者结局与成本效益相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:帕金森综合征。背景:帕金森病患者会经历进行性运动和非运动症状,这些症状对健康相关生活质量产生负面影响,并可能导致住院风险增加。人们日益认识到,当前的照护模式不适合帕金森综合征患者的需求,因为随着疾病进展,他们的照护需求会不断演变和变化。本研究旨在评估一种复杂且创新的整合照护模式,与常规照护相比,是否能提高个体实现其个人目标的能力、对健康和症状负担产生积极影响,并更具成本效益。方法:这是一项单中心、随机对照试验,帕金森综合征患者及其非正式照护者被随机分配到两组之一:要么是 PRIME Parkinson 多组分模式
【主题与分类】
主题标签: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/NCT05127057
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/NCT05127057
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
病症:帕金森综合征。背景:帕金森病患者会经历进行性的运动和非运动症状,这些症状对健康相关生活质量产生负面影响,并可能导致住院风险增加。人们日益认识到,当前的照护模式不适合帕金森综合征患者的需求,因为随着疾病进展,他们的照护需求会不断演变和变化。本研究旨在评估一种复杂且创新的整合照护模式与常规照护相比,是否能增强个体实现个人目标的能力、对健康和症状负担产生积极影响,并更具成本效益。方法:这是一项单中心随机对照试验,帕金森综合征患者及其非正式照护者被随机分配到两组之一:PRIME帕金森多组分照护模式组;或常规照护组。年龄≥18岁、被诊断为帕金森综合征、能够提供知情同意,或在缺乏知情同意能力时有一位密友或亲属可作为个人顾问,且居住在试验地理区域内的成年人符合入选条件。
每位患者最多可有三位照护者参与,照护者须年满18岁,提供非正式、无偿照护,并能够签署知情同意书。主要结局指标为目标达成情况,采用班戈目标设定访谈进行评估。入组时间为24个月。总招募目标为n=214,主要分析将采用意向性治疗原则。讨论:本试验旨在检验一种新型照护模式是否能改善健康及疾病相关指标(包括目标达成情况),减少住院次数,同时比当前常规照护更具成本效益。若该干预措施能在一个中心成功实施,PRIME帕金森照护模式随后可在多个中心通过整群随机试验进行评估。
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。




