健康生活方式与哮喘管理项目的比较效果:线下与线上

该数据集来自clinicaltrials.gov,聚焦儿童超重、肥胖与哮喘的共病管理,比较CHAMPION项目远程医疗交付与线下标准照护交付的效果

Massachusetts General HospitalMassachusetts General Hospital
clinicaltrials
浏览 5
其他Overweight, ChildhoodObesity, ChildhoodAsthma in Children
Comparative-effectiveness of a Healthy Lifestyle and Asthma Management Program, In-person vs. ONline

基本信息

模态
其他
创建/更新时间
2026-10-22

资源简介

健康生活方式与哮喘管理项目的比较效果:线下与线上

该数据集来自clinicaltrials.gov,聚焦儿童超重、肥胖与哮喘的共病管理,比较CHAMPION项目远程医疗交付与线下标准照护交付的效果。研究为双臂个体随机非劣效试验,纳入500名儿童,CHAMPION整合了Mass General Brigham的健康体重诊所与儿科哮喘人群健康管理项目。数据可用于评估远程医疗在基层照护中改善哮喘与肥胖并发管理可及性的作用,并对照USPSTF与AAP指南开展效果比较分析(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:儿童期超重、儿童期肥胖、儿童哮喘。本研究将在500名儿童中开展双臂、个体随机非劣效试验,评估1)CHAMPION的远程医疗交付与2)CHAMPION的线下(标准照护)交付的比较效果。肥胖和哮喘是儿童两大主要慢性疾病,CHAMPION整合了Mass General Brigham的健康体重诊所(HWC)与儿科哮喘人群健康管理项目。本研究将探讨如何改善有效治疗的可及性,以符合美国预防服务工作组(USPSTF)和美国儿科学会(AAP)关于在基层照护中同时管理低收入多元化人群哮喘与肥胖的指南。

【主题与分类】

主题标签:Overweight, Childhood、Obesity, Childhood、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/NCT06432790

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/NCT06432790

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:超重、儿童期、儿童肥胖、儿童哮喘。本研究将在一项纳入500名儿童的两臂个体随机非劣效性试验中,评估1)CHAMPION的远程医疗交付与2)CHAMPION的面对面(标准照护)交付的比较有效性。肥胖和哮喘是儿童两大主要慢性疾病,CHAMPION是Mass General Brigham健康体重诊所(HWC)与儿科哮喘人群健康管理项目的整合。本研究将探讨如何改善有效治疗的可及性,以符合美国预防服务工作组(USPSTF)和美国儿科学会(AAP)指南,在低收入多元化人群的初级保健中同时管理哮喘和肥胖。

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