美洲原住民听力健康干预研究
该数据集来自clinicaltrials.gov,聚焦噪声性听力损失,研究对象为传统上依赖口头交流的美洲原住民群体。研究采用社区参与式方法,实施文化相关的Talking Circles干预,旨在建立可持续的、基于文化的听力损失预防项目,传播听力健康信息,促进听力健康并改善部落社区获取预防工具的可及性

基本信息
资源简介
美洲原住民听力健康干预研究
该数据集来自clinicaltrials.gov,聚焦噪声性听力损失,研究对象为传统上依赖口头交流的美洲原住民群体。研究采用社区参与式方法,实施文化相关的Talking Circles干预,旨在建立可持续的、基于文化的听力损失预防项目,传播听力健康信息,促进听力健康并改善部落社区获取预防工具的可及性。参与者需完成问卷、听力测试及观看相关视频。数据可用于听力健康干预研究及健康公平性分析(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。本研究的目的是了解文化对传统上依赖口头交流的美洲原住民群体听力损失的影响。这项基于美洲原住民社区的参与式研究听力保护研究,拟实施一项文化相关的Talking Circles干预,以解决美洲原住民在听力健康方面的不平等问题。目标是建立一个可持续的、基于文化的Talking Circles(TC)听力损失预防项目,以传播信息,从而促进听力健康,并在职业和娱乐噪声暴露较高的较大部落社区内改善预防工具的可及性。TC参与者将: 在整个研究过程中完成一套问卷(共3次)。 完成戴耳机的听力计听力测试,并观看一个与听力相关的计算机视频。
【主题与分类】
主题标签:Noise-Induced Hearing Loss。本站分类:耳及乳突疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07534098
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/NCT07534098
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。本研究旨在了解文化对传统上依赖口头交流的美洲原住民人群听力损失的影响。这项基于美洲原住民社区的参与式研究听力保护研究,拟实施一项具有文化相关性的谈话圈干预,以应对美洲原住民在听力健康方面的不平等。目标是建立一个可持续的、基于文化的谈话圈(TC)听力损失预防项目,以传播相关信息,从而促进听力健康,并在职业和娱乐噪声暴露水平较高的大型部落社区内改善预防工具的获取。TC参与者将:* 在整个研究过程中完成一套问卷(共3次)。* 在部落健康中心完成戴耳机的听力计听力测试,并观看一个与听力及如何保护听力相关的计算机视频。* 在试验进行到6个月时,参与者将被要求完成与研究开始时相同的一套问卷。
- 在基线调查和听力测试后12个月,参与者将被要求完成与研究开始时相同的一组问卷,并通过计算机完成另一次听力测试。干预措施将包括对当地实施人员的培训,以及延迟干预对照组,以评估知识获取和保护行为改变。通过使用TC,培训项目中的参与者可以利用彼此的支持和见解,接受培训以在部落社区建立自我维持的听力损失预防项目。
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。




