听障幼儿早期沟通干预研究
该数据集来自 clinicaltrials.gov,聚焦双侧听力损失幼儿的早期沟通干预研究。源站描述指出,尽管听障儿童口语能力提升显著,但个体差异大,许多儿童语言技能仍落后于健听同伴;研究旨在识别有效的早期沟通干预措施,以及影响干预结果的儿童与家长特征(调节因素与中介因素)

基本信息
资源简介
听障幼儿早期沟通干预研究
该数据集来自 clinicaltrials.gov,聚焦双侧听力损失幼儿的早期沟通干预研究。源站描述指出,尽管听障儿童口语能力提升显著,但个体差异大,许多儿童语言技能仍落后于健听同伴;研究旨在识别有效的早期沟通干预措施,以及影响干预结果的儿童与家长特征(调节因素与中介因素)。目前仅有本研究的试点研究在随机临床试验背景下直接检验早期沟通干预效果。总体目标包括评估教导家长使用沟通支持策略对儿童沟通结果的影响,并考察相关特征。数据可用于干预效果预测与影响因素分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:双侧听力损失。尽管听力损失(HL)儿童在口语方面获得的进步比以往任何时候都大,但存在相当大的变异性,许多HL儿童的语言技能仍不如其健听同伴。减少这种变异性的关键在于识别:(a)针对HL儿童的有效早期沟通干预,以及(b)影响干预结果的儿童和家长特征(调节因素和中介因素)。然而,迄今为止,只有本拟议研究的试点研究在随机临床试验的背景下直接检验了针对HL儿童的早期沟通干预的效果。本拟议研究的总体目标是:(a)评估教导家长使用沟通支持策略对儿童沟通结果的影响,以及(b)考察相
【主题与分类】
主题标签:Hearing Loss, Bilateral。本站分类:耳及乳突疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03803943
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/NCT03803943
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:双侧听力损失。尽管听力损失(HL)儿童在口语方面获得的收益比以往任何时候都大,但个体差异相当大,许多HL儿童的语言能力仍低于听力正常的同龄人。减少这种差异的关键在于识别:(a) 针对HL儿童的有效早期沟通干预措施,以及(b) 影响干预结果的儿童和家长特征(调节因素和中介因素)。然而,迄今为止,仅有本拟议研究的试点研究在随机临床试验的背景下直接考察了HL儿童早期沟通干预的效果。本拟议研究的总体目标是:(a) 评估教导家长使用沟通支持策略对儿童沟通结果的影响,以及(b) 考察调节和中介干预结果的家长和儿童特征。
核心假设是:系统性的家长培训将促使家长更多地使用沟通支持策略、儿童出现更多前符号性沟通行为,并改善儿童的口语发展结果。具体目标包括:(a) 比较干预组与对照组在干预期间及干预刚结束时(12至18月龄)家长使用沟通支持策略的情况和儿童的前符号性沟通行为;(b) 考察家长因素(对儿童沟通的识别)和儿童因素(对社会偶发性的敏感性;对言语的注意)对干预结果的调节作用;© 比较干预组与对照组在干预后(18至36月龄)家长使用沟通支持策略的情况和儿童的口语发展结果;(d) 考察家长因素(沟通支持策略的使用)和儿童因素(前符号性沟通行为)对干预结果的中介作用。拟开展的研究将纳入96名轻度至极重度双侧听力损失儿童。
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。




