肯尼亚新生儿听力筛查实施研究

该数据集来自 clinicaltrials.gov,围绕肯尼亚新生儿听力筛查实施研究,关注双侧或单侧听力损失及儿童中耳积液

University of WashingtonUniversity of Washington
clinicaltrials
浏览 4
其他分类Hearing Loss, Bilateral or UnilateralOtitis Media With Effusion in Children
Towards Implementation of Universal Newborn Hearing Screening in Kenya

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-23

资源简介

肯尼亚新生儿听力筛查实施研究

该数据集来自 clinicaltrials.gov,围绕肯尼亚新生儿听力筛查实施研究,关注双侧或单侧听力损失及儿童中耳积液。研究利用智能手机听力筛查设备,探究中耳积液在HIV暴露婴儿听力损失中的作用,并比较智能手机耳声发射筛查与传统耳声发射筛查的准确性,同时估计和比较HIV暴露与非暴露婴儿中中耳积液及并发耳声发射异常的发生率。数据可用于听力筛查方法评估与高危婴儿听力损失风险分析(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:双侧或单侧听力损失、儿童中耳积液。本研究将利用智能手机听力筛查设备,了解中耳积液在HIV暴露婴儿听力损失中的作用。目标1将确定基于智能手机耳声发射的听力筛查与基于传统耳声发射的听力筛查相比的筛查准确性。假设:智能手机耳声发射测试与传统耳声发射测试相比,灵敏度和特异度均较高。智能手机耳声发射测试可检测高危婴儿的听力损失。目标2将估计并比较HIV暴露与未暴露婴儿中中耳积液的发生率以及中耳积液并发耳声发射测试异常的情况。假设:中耳积液的发生率……

【主题与分类】

主题标签:Hearing Loss, Bilateral or Unilateral、Otitis Media With Effusion 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/NCT07879326

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT07879326

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:双侧或单侧听力损失,儿童分泌性中耳炎。本研究将利用智能手机听力筛查设备,了解分泌性中耳炎在HIV暴露婴儿听力损失中的作用。目标1将确定基于智能手机的耳声发射听力筛查与传统耳声发射听力筛查的筛查准确性。假设:智能手机耳声发射测试与传统耳声发射测试相比,灵敏度和特异度均较高。智能手机耳声发射测试可检测高危婴儿的听力损失。目标2将估计并比较HIV暴露与非HIV暴露婴儿中分泌性中耳炎及伴发异常耳声发射测试的发生率。假设:分泌性中耳炎的发生率较高。探索性假设:HIV暴露将增加分泌性中耳炎的风险。

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。

获取专属数据定制方案