CHEST:与社区健康中心合作实施哮喘SMART
CHEST 是一项与联邦合格社区健康中心合作开展的 1 型混合阶梯楔形整群随机试验,聚焦中重度哮喘的 SMART 实施。六家诊所被随机、迭代地单向从对照组转入 SMART 实施组

基本信息
资源简介
CHEST:与社区健康中心合作实施哮喘SMART
CHEST 是一项与联邦合格社区健康中心合作开展的 1 型混合阶梯楔形整群随机试验,聚焦中重度哮喘的 SMART 实施。六家诊所被随机、迭代地单向从对照组转入 SMART 实施组。主要干预为包含四个组成部分的 SMART 实施包:临床医生教育与实践促进、诊所和医生层面的审计与反馈、工作流程整合支持,以及面向低健康素养患者的在线教育辅助工具与哮喘行动计划。研究概念上分为实施前(对照)等三个阶段。该数据可用于评估实施策略对哮喘管理及吸入器处方模式的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:中重度哮喘。CHEST 是一项 1 型混合阶梯楔形整群随机试验,其中六家联邦合格社区健康中心诊所被随机且迭代地选中,以单向交叉方式从对照组转入 SMART 实施组。主要干预是 SMART 实施包,包含四个组成部分:(1)关于 SMART 的临床医生教育及持续的实践促进,(2)关于吸入器处方模式的系列诊所和临床医生层面审计与反馈,(3)工作流程整合支持,包括处方偏好,(4)提供以患者为中心的在线教育辅助工具,附有与 SMART 一致的哮喘行动计划,专为健康素养较低的患者设计。该研究在概念上分为三个阶段:(1)实施前(对照)阶段,侧重于实施 m 的开发
【主题与分类】
主题标签:Moderate to Severe Asthma。本站分类:呼吸系统疾病/哮喘。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07241117
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/NCT07241117
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:中度至重度哮喘。CHEST是一项1型混合阶梯楔形集群随机试验,其中六家联邦合格社区卫生中心诊所被随机且迭代地选中,从对照组单向交叉至SMART实施组。主要干预措施是SMART实施包,包含四个组成部分:(1) 对临床医生进行SMART教育并持续提供实践促进;(2) 对诊所和临床医生层面的吸入器处方模式进行系列审计与反馈;(3) 工作流程整合支持,包括处方偏好;(4) 提供以患者为中心的在线教育辅助工具,其中包含专为健康素养较低患者设计的与SMART一致的哮喘行动计划。该研究在概念上分为三个阶段:(1) 实施前(对照)阶段,侧重于制定实施材料和收集处方模式的基线数据;(2) 积极实施阶段;(3) 维持阶段,将侧重于评估维持和传播。1. 实施前阶段:实施前阶段旨在作为研究的基线。
在此阶段,不会向参与IHN诊所的临床医生引入任何特定干预措施。此阶段将允许CHEST研究团队收集关于当前哮喘护理处方实践和哮喘相关结果的诊所层面数据。2. 积极实施阶段:在第二阶段即实施阶段开始时,将向参与IHN诊所的临床医生和工作人员介绍SMART实施包。3. 维持阶段:研究的最后阶段在所有参与IHN诊所积极实施SMART实施包完成后引入。在维持阶段,将进行正式评估以评价SMART实施包的维持情况。此外,此阶段还包括传播研究结果的工作。这
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。




