耳塞使用指导比较效果研究
该数据集来自clinicaltrials.gov,关注医院噪声暴露人员(如洗衣房和厨房员工)的耳塞正确插入技术培训。研究比较视频指导与纸质指导两种方式,评估培训后立即及1周随访时的耳塞插入技能,采用标准化20分观察评分

基本信息
资源简介
耳塞使用指导比较效果研究
该数据集来自clinicaltrials.gov,关注医院噪声暴露人员(如洗衣房和厨房员工)的耳塞正确插入技术培训。研究比较视频指导与纸质指导两种方式,评估培训后立即及1周随访时的耳塞插入技能,采用标准化20分观察评分。数据可用于分析不同培训形式对技能掌握和保持的效果,支持听力防护培训策略的制定(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:噪声性听力损失、听力防护设备使用、噪声暴露医院人员。该临床试验旨在了解基于视频的培训或基于纸质的培训在教授正确耳塞插入技术方面哪种更有效,研究对象为Maharaj Nakorn Chiang Mai医院在噪声暴露区域(如洗衣房和厨房单位)工作的20-60岁医院人员。其主要回答的问题为:1. 在基于视频和基于纸质的指导之间,哪种培训方法在培训后立即产生更好的耳塞插入技能?2. 耳塞插入技能的任何改善在1周随访时是否持续?研究人员将比较基于视频指导组与基于纸质指导组,以观察一种培训形式是否会导致更好和更持久的耳塞插入技能,通过标准化20分观察评分测量。
【主题与分类】
主题标签:Noise-Induced Hearing Loss、Hearing Protection Device Use、Noise-exposed Hospital Personnel。本站分类:耳及乳突疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07731321
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/NCT07731321
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:噪声性听力损失、听力防护设备使用、噪声暴露医院人员。本临床试验的目标是了解基于视频的培训或基于纸质材料的培训在教授正确耳塞插入技术方面哪种更有效,研究对象为在Maharaj Nakorn Chiang Mai医院噪声暴露区域(如洗衣和厨房部门)工作、年龄20-60岁的医院人员。其主要旨在回答的问题是:1. 在基于视频的指导和基于纸质材料的指导之间,哪种培训方法在培训后立即产生更好的耳塞插入技能?2. 耳塞插入技能的任何改善在1周随访时是否持续?研究人员将比较基于视频的指导组与基于纸质材料的指导组,以观察一种培训形式是否能带来更好、更持久的耳塞插入技能,并通过标准化的20分观察清单进行测量。参与者将:* 接受基线病史和耳部检查(耳镜检查)并完成人口统计学问卷。
- 由盲法观察者评估其基线耳塞插入技能,随机分配接受5分钟基于视频或基于纸质材料的正确耳塞使用指导。* 练习插入耳塞,并在训练后立即重新评估。* 1周后返回进行随访评估,以测试技能保持情况。
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。




