Friedreich共济失调患者报告、健康经济与心理社会结局
源站描述指出,既往研究样本量小且多为年度横断面数据,结果外推性有限。PROFA 研究旨在评估移动健康应用收集纵向实时数据的可接受性、可行性与可用性;从社会视角测算医疗成本(含非正式照护生产力损失)并分析相关因素及循证治疗对成本的影响;验证健康相关生活质量(HRQoL)测量工具,评估患者 HRQoL

基本信息
资源简介
Friedreich共济失调患者报告、健康经济与心理社会结局
该数据集来自 clinicaltrials.gov,聚焦 Friedreich Ataxia(FA)患者报告、心理社会与健康经济影响。源站描述指出,既往研究样本量小且多为年度横断面数据,结果外推性有限。PROFA 研究旨在评估移动健康应用收集纵向实时数据的可接受性、可行性与可用性;从社会视角测算医疗成本(含非正式照护生产力损失)并分析相关因素及循证治疗对成本的影响;验证健康相关生活质量(HRQoL)测量工具,评估患者 HRQoL 及其随时间波动并识别相关因素;以及开发、验证和评估一种新的听力与言语障碍测量工具(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:Friedreich 共济失调。目前对 Friedreich 共济失调(FA)在患者报告、心理社会和经济影响方面缺乏了解。既往少数研究基于小样本量和年度横断面数据,限制了结果的普遍性。因此,PROFA 研究旨在:1. 评估移动健康应用在收集纵向实时数据方面的可接受性、可行性和可用性;2. 从社会视角确定医疗成本,包括非正式照护生产力损失,评估相关因素并分析循证治疗对成本的影响;3. 验证健康相关生活质量(HRQoL)的测量方法,评估患者的 HRQoL 及其随时间波动并识别相关因素;4. 开发、验证和评估一种新的听力和言语障碍测量工具。
【主题与分类】
主题标签:Friedreich Ataxia。本站分类:耳及乳突疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05943002
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/NCT05943002
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:弗里德希共济失调。目前对弗里德希共济失调(FA)患者报告、心理社会及经济影响的认识尚不充分。以往少数研究基于小样本量和年度横截面数据,限制了结果的普遍性。因此,PROFA研究旨在:1. 评估移动健康应用程序收集纵向实时数据的可接受性、可行性和可用性;2. 从社会视角确定医疗保健成本,包括非正式护理生产力损失,评估相关因素,并分析循证治疗对成本的影响;3. 验证健康相关生活质量(HRQoL)的测量方法,评估患者的HRQoL及其随时间的变化,并识别相关因素;4. 开发、验证并评估一种新的测量工具,用于评估听力和言语障碍对患者心理社会健康的影响;5. 评估FA患者中HRQoL、心理社会健康与经济结果之间的交互效应。
因此,PROFA研究将全面了解FA对个人、社会和经济造成的负担,确定健康和社会生活的决定因素以及医疗资源的有效利用。这对于改善FA患者及其家人的治疗、护理和日常生活至关重要。这项验证性和观察性研究将从六个研究中心(德国、法国和奥地利)招募患者。数据评估将基于(i)在研究中心的访谈中进行基线评估,以及(ii)随后通过移动健康应用程序在六个月内的每日至每月远程瞬时数据评估,涵盖共济失调严重程度、HRQoL、社会心理健康、言语和听力障碍、卫生服务利用以及特定健康事件的评估。描述性和多变量统计将用于描述FA对患者报告的HRQoL、社会心理健康和经济结果的影响。
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。




