基于自我效能感的非处方助听器听觉康复研究
该数据集来自 clinicaltrials.gov,聚焦感音神经性听力损失人群使用非处方(OTC)助听器的听觉康复研究。研究采用单臂前后干预设计,参与者在首次预约完成基线(未助听)评估,随后一周在自然聆听环境中使用 OTC 助听器并实施 SEBAR,第二次预约完成助听后结局测量,通过比较未助听与助听

基本信息
资源简介
基于自我效能感的非处方助听器听觉康复研究
该数据集来自 clinicaltrials.gov,聚焦感音神经性听力损失人群使用非处方(OTC)助听器的听觉康复研究。研究采用单臂前后干预设计,参与者在首次预约完成基线(未助听)评估,随后一周在自然聆听环境中使用 OTC 助听器并实施 SEBAR,第二次预约完成助听后结局测量,通过比较未助听与助听条件下的结局得分来回答研究目标。数据可用于评估 OTC 助听器与自我效能感干预对听损患者康复效果的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:感音神经性听力损失。拟议研究将采用单臂前后干预研究设计以实现两个目标。参与者将完成两次预约。第一次预约中的评估将作为基线(未助听)。随后将进行为期一周的 OTC 助听器使用和 SEBAR 在其自然聆听情境中的实施,结局测量将在第二次预约(助听后)再次完成,以反映佩戴 OTC 助听器的影响。将比较未助听与助听条件下结局测量的得分,以回答两个目标。拟议研究中的两次预约均将在阿肯色医科大学健康职业学院听力学与言语病理学系的共享专用研究空间内完成。研究提案将提交给未……
【主题与分类】
主题标签:Hearing Loss, Sensorineural。本站分类:耳及乳突疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06560918
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/NCT06560918
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
研究条件:感音神经性听力损失。拟议研究将采用单臂前后干预研究设计以实现两项研究目标。参与者将完成两次预约。第一次预约中的评估将作为基线(未助听状态)。随后,参与者将在其自然聆听环境中使用非处方助听器(OTC HA)并实施SEBAR,为期一周,然后在第二次预约中再次完成结局测量(助听状态),以反映佩戴OTC HA的影响。将比较未助听与助听条件下结局测量的得分,以回答两项研究目标。拟议研究中的两次预约均将在阿肯色医科大学健康职业学院听力学与言语病理学系的共享专用研究空间内完成。
本研究计划将提交至大学的机构审查委员会审批。参与者到达后,将完成知情同意流程,期间主要研究者(PI)会详细说明所有研究程序、研究的风险与获益,以及若参与者选择退出研究或在数据收集期间停止参与,不会产生任何负面后果。知情同意书签署后,参与者将完成两次预约。第一次预约:对每位有意向的参与者,将完成标准听力测试程序以确认其资格。符合资格的参与者同意后,将完成初步测量。随后,参与者将完成未助听基线结局测量,包括助听器自我效能感、采用助听器的意愿、预期助听器满意度、当前情绪状态及生活质量。此时,将为参与者验配非处方(OTC)助听器,并向其提供SEBAR。参与者将被指导在接下来的一周内每天至少使用助听器4小时。最后,将在其手机上安装生态瞬时评估(EMA)应用程序,并由研究人员演示如何在家中使用。
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。




