社区健康公平加速器(CHEA)儿童哮喘干预
该数据集来自 clinicaltrials.gov,聚焦儿童哮喘,属于呼吸系统疾病范畴。研究为前瞻性、非随机、观察性、多层级试点干预,在康涅狄格州纽黑文开展,由普通儿科医生和专科医生使用新开发的临床路径,通过电子健康记录(EHR)集成软件提交转诊,将参与者纳入 Promotora(社区健康工作者)哮

基本信息
资源简介
社区健康公平加速器(CHEA)儿童哮喘干预
该数据集来自 clinicaltrials.gov,聚焦儿童哮喘,属于呼吸系统疾病范畴。研究为前瞻性、非随机、观察性、多层级试点干预,在康涅狄格州纽黑文开展,由普通儿科医生和专科医生使用新开发的临床路径,通过电子健康记录(EHR)集成软件提交转诊,将参与者纳入 Promotora(社区健康工作者)哮喘家庭访视干预。Hispanic Federation 的 Promotoras 负责招募参与者,并按家庭偏好安排间隔 6-8 周的面对面或虚拟家访。数据可用于研究社区健康工作者主导的家庭访视对儿童哮喘管理的效果(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:儿童哮喘。这是一项前瞻性、非随机、观察性、多层级试点干预,康涅狄格州纽黑文的普通儿科医生和专科医生将使用新开发的临床路径,该路径将在耶鲁儿科临床路径网站上公开,并可通过集成软件在电子健康记录(EHR)中访问,以提交参与者转诊,参与 Promotora(社区健康工作者)哮喘家庭访视干预。作为本研究合作伙伴并接受过人类受试者研究培训的 Hispanic Federation Promotoras 将招募参与者加入研究。对于每个参与家庭,Promotora 家访将间隔 6-8 周安排,按家庭偏好进行面对面或虚拟访视。接受过专门哮喘培训的 Promotoras 将
【主题与分类】
主题标签:Asthma in Children。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/NCT06507943
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/NCT06507943
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:儿童哮喘。本研究将是一项前瞻性、非随机、观察性、多层次的试点干预研究。康涅狄格州纽黑文的普通儿科医生和专科医生将使用一套新开发的临床路径,该路径将在耶鲁儿科临床路径网站上公开提供,并可通过集成软件在电子健康记录(EHR)中访问,以提交转诊,使参与者参加Promotora(社区卫生工作者)哮喘家访干预。西班牙裔联合会(Hispanic Federation)的Promotoras是本研究的合作方,已接受人类受试者研究培训,将招募研究参与者。对于每个参与家庭,Promotora家访将间隔6-8周安排一次,并根据家庭偏好进行面对面或虚拟访视。接受过哮喘专业培训的Promotoras将利用该临床路径作为资源,处理家庭提出的问题(该路径将包含针对所提出的哮喘相关问题的资源)。
研究团队的临床医生将随时为Promotoras待命,以便在出现紧急问题时提供支持,并将安排每周病例会议,讨论任何额外的支持需求。在本研究中,主要结局将包括Promotora家访和路径利用可行性的测量指标。研究者将使用中断时间序列分析来评估次要结局,以评价哮喘相关结局。除调查数据外,哮喘急性发作指标将从电子健康记录中收集。
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。




