教育干预对哮喘儿童吸入技术与依从性的效果研究

该数据集来自 clinicaltrials.gov,聚焦儿童哮喘,研究由护士开展的简短教育演示能否帮助患儿更好地管理哮喘、正确使用吸入器并掌握使用时机

Fundació Institut de Recerca de l'Hospital de la Santa Creu i Sant PauFundació Institut de Recerca de l'Hospital de la Santa Creu i Sant Pau
clinicaltrials
浏览 5
图像Asthma Childhood
Effectiveness of an Educational Intervention on Asthmatic Children in Inhaled Technique and Adherence.

基本信息

模态
图像
创建/更新时间
2026-10-22

资源简介

教育干预对哮喘儿童吸入技术与依从性的效果研究

该数据集来自 clinicaltrials.gov,聚焦儿童哮喘,研究由护士开展的简短教育演示能否帮助患儿更好地管理哮喘、正确使用吸入器并掌握使用时机。研究持续约六个月,包含两次访视:首次访视进行常规呼吸测试、由患儿演示吸入器使用并填写简短问卷,随后护士借助图片和演示讲解吸入器的正确用法、装置认识、用药时机与原因,以及哮喘加重的识别与应对;六个月后第二次访视重复相同呼吸测试与问卷以观察变化。数据可用于评估教育干预对儿童哮喘吸入技术与依从性的影响(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:儿童哮喘。本研究旨在了解护士开展的简短教育课程与演示能否帮助儿童更好地管理哮喘、正确使用吸入器并知道何时应使用。研究持续约六个月,包含两次访视:访视1:参与者将进行常规呼吸测试,向护士演示如何使用吸入器,并回答几份简短问卷。随后,护士将借助图片和演示进行一些实践教育。她将讲解使用吸入器的正确方法、认识装置、说明何时以及为何使用吸入药物,并教参与者如何识别哮喘加重以及可以采取什么措施。访视2(6个月后):参与者将重复相同的呼吸测试并再次回答问卷,以便研究者了解发生了哪些变化。

【主题与分类】

主题标签:Asthma Childhood。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/NCT07364643

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/NCT07364643

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:儿童哮喘。本研究的目的是了解护士进行的简短教育课程和示范能否帮助儿童更好地管理哮喘、正确使用吸入器,并知道何时应使用吸入器。研究持续约六个月,包括两次访视:访视1:参与者将进行常规呼吸测试,向护士展示如何使用吸入器,并回答几份简短问卷。随后,护士将利用图片和示范进行一些实用教育。她将讲解使用吸入器的正确方法、了解该装置、说明何时以及为何使用吸入药物,并教导参与者如何识别哮喘加重以及可以采取哪些应对措施。访视2(6个月后):参与者将重复相同的呼吸测试并再次回答问卷,以便研究人员了解发生了哪些变化。

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