测试面向帕金森病患者非正式照护者的在线引导式写作干预可行性
本数据集来自 clinicaltrials.gov,主题为测试一项面向帕金森病患者非正式照护者的在线引导式写作干预的可行性

基本信息
资源简介
测试面向帕金森病患者非正式照护者的在线引导式写作干预可行性
本数据集来自 clinicaltrials.gov,主题为测试一项面向帕金森病患者非正式照护者的在线引导式写作干预的可行性。数据收集与写作练习均通过 REDCap 安全在线平台完成,照护者在线知情同意并设置登录信息后,填写人口学问卷与干预前结局测量,随后进入写作练习。系统在三天内未开始练习时发送自动提醒,之后三天和六天未访问会再次提醒。每次练习先提供自我关怀简介,再给出针对该练习的写作指导,鼓励至少写 15 分钟,并可使用“保存并返回”功能。该数据可用于评估在线心理干预的可行性与依从性(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:心理。所有定量数据收集以及写作练习的完成,均由 REDCap 这一安全的在线平台承载。在提供在线知情同意并设置登录信息后,照护者完成了一份人口学问卷和干预前结局测量。这促成了对第一次写作练习的访问。如果照护者在收到链接后三天内尚未开始该练习或之后的任何练习,他们会收到自动提醒。如果他们再过三天和六天仍未访问该练习,他们会收到进一步的提醒。对于每次练习,他们会看到一段关于自我关怀的简要描述,随后是针对该练习的个性化写作指导。鼓励照护者至少写作 15 分钟,但可以无限次使用“保存并返回”功能,且返回也没有最长时限。
【主题与分类】
主题标签:Psychological。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/NCT07804953
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/NCT07804953
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:心理方面。所有定量数据收集以及写作练习的完成,均由REDCap这一安全的在线平台承载。在提供在线知情同意并设置登录信息后,照护者完成了一份人口统计学问卷及干预前的结局测量。这为他们解锁了第一个写作练习。若照护者在收到链接后三日内未开始此练习或后续任何练习,他们将收到自动提醒。若再过三天和六天仍未访问练习,则会收到进一步的提醒。对于每个练习,他们会看到关于自我同情心的简短描述,随后是针对该练习的个性化写作指导。鼓励照护者至少写作15分钟,但可无限次使用“保存并返回”功能,且返回无最长时间限制。提交一个练习后,次日会收到下一个练习的链接,而提交第四个练习则直接导向干预后的结局测量。
这些访谈以一个问题作为结束,询问他们是否愿意参加半结构化访谈,分享他们的经历。所有访谈均通过MS Teams进行主持、录音并转录。照护者回答了预先设定的问题,并根据其回答灵活提出后续问题。访谈结束后,转录文本被下载并在分析前校正错误。所有照护者在完成干预两周后,还收到了后续评估措施的链接。研究结束时,定量数据以Excel格式从REDCap下载,并准备进行分析。
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。




