腭裂儿童高强度和低强度言语干预:儿童、照护者与言语语言病理学家的感知
该数据集来自clinicaltrials.gov,聚焦腭裂(唇腭裂)儿童的高强度与低强度言语干预比较,依据干预提供者(初级保健言语语言病理学家)和干预接受者(腭裂儿童及其照护者)的感知进行评估

基本信息
资源简介
腭裂儿童高强度和低强度言语干预:儿童、照护者与言语语言病理学家的感知
该数据集来自clinicaltrials.gov,聚焦腭裂(唇腭裂)儿童的高强度与低强度言语干预比较,依据干预提供者(初级保健言语语言病理学家)和干预接受者(腭裂儿童及其照护者)的感知进行评估。腭裂是常见的先天性面部和颅骨异常,影响言语、听力、喂养、口腔行为、牙列及外观满意度,并带来长期负面社会影响。世界卫生组织指出其涉及发病率、医疗费用、情绪困扰和社会排斥等显著经济成本。数据可用于分析不同干预强度的感知差异,支持腭裂儿童言语康复的临床决策与照护者沟通研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:唇腭裂、儿童言语障碍。腭裂(唇和)腭(CP±L)是最常见的先天性面部和颅骨异常,具有显著的社会影响,影响言语、听力、喂养、口腔行为、牙列和外观满意度。这些后果对社会融合和福祉产生长期和负面的影响。世界卫生组织(WHO)强调了显著的经济成本,包括发病率、医疗保健费用、情绪困扰和社会排斥,对患者、其家庭和社会而言。本研究的目的是基于干预提供者(初级保健言语语言病理学家)和干预接受者(CP±L儿童及其照护者)的感知,比较CP±L儿童的高强度和低强度言语干预。个体半结构化
【主题与分类】
主题标签:Cleft Lip and Palate、Speech Disorders in Children。本站分类:耳及乳突疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06895395
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/NCT06895395
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
疾病:唇裂和腭裂,儿童言语障碍。唇(和)腭裂(CP±L)是最常见的面部和颅骨先天性异常,具有显著的社会影响,涉及言语、听力、喂养、口腔行为、牙列及对外观的满意度。这些后果对社交融入和幸福感产生长期且负面的影响。世界卫生组织(WHO)强调了显著的经济负担,包括发病率、医疗保健费用、情感困扰和社会排斥对患者、其家庭及社会的影响。本研究旨在基于干预提供者(初级保健言语语言病理学家)和干预接受者(CP±L儿童及其照护者)的感知,比较CP±L儿童高强度和低强度言语干预的效果。将对干预提供者和接受者进行个别半结构化访谈,以探讨对两种言语干预强度的感知、体验及可接受性。潜在参与者将被告知访谈将被录音。
实际访谈将在对参与者最方便的地点与时间进行。每次访谈将使用Roland R-05高质量录音笔进行录音。访谈结束后,所有参与者将被要求完成一份关于其人口统计学信息的问卷。此外,还将从CP±L儿童的医疗记录中收集有关腭裂类型、腭裂闭合时间与方式、任何二次手术以及耳科/听力学数据的信息。基于这项定性研究,可以对高强度治疗方案做出可能的调整。这样一来,这些修改将与这些关键利益相关者息息相关。这也将促进高强度言语治疗在临床言语治疗实践中的实施与广泛使用。
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。




