HEAL哮喘:面向健康素养有限人群的马来西亚哮喘自我管理干预开发

马来西亚三阶段研究:第一阶段定性探讨医疗服务提供者在哮喘照护及自我管理实施中的挑战;第二阶段针对健康素养有限患者,进行纸本图画式哮喘行动计划支持自我管理的预-后可行性研究;第三阶段针对健康素养有限患者,进行移动应用支持自我管理的预-后可行性研究,并用定性方法评估使用障碍与动机

datashare_ed
浏览 19
表格asthmalimited health literacyMalaysiaself-management
HEAL Asthma: Development of an intervention for people with limited health literacy to improve asthma self-management in Malaysia

基本信息

模态
表格
创建/更新时间
2026-10-01

资源简介

HEAL哮喘:面向健康素养有限人群的马来西亚哮喘自我管理干预开发

马来西亚三阶段研究:第一阶段定性探讨医疗服务提供者在哮喘照护及自我管理实施中的挑战;第二阶段针对健康素养有限患者,进行纸本图画式哮喘行动计划支持自我管理的预-后可行性研究;第三阶段针对健康素养有限患者,进行移动应用支持自我管理的预-后可行性研究,并用定性方法评估使用障碍与动机。共享文件包括参与者信息表、问卷、社会人口学数据及定性编码本(来源 datashare.ed.ac.uk)。

【数据内容】

源站描述(机器翻译,仅供参考):涉及3个阶段:1. 第1阶段:开展了一项定性研究,探讨医疗服务提供者在提供哮喘照护和实施哮喘自我管理时面临的挑战。2. 第2阶段:一项关于纸质图文哮喘行动计划(PAAP)的前后可行性研究,旨在支持低健康素养患者的哮喘自我管理。3. 第3阶段:一项关于使用移动应用程序的前后可行性研究,旨在支持低健康素养患者的哮喘自我管理。采用定性方法评估了使用该应用程序的障碍和动机。共享的文件包括参与者信息表、问卷、参与者社会人口学数据以及用于定性编码的编码手册。

【主题与分类】

主题标签:asthma、limited health literacy、Malaysia、self-management。本站分类:呼吸系统疾病/哮喘。

【获取与许可】

源站页面:https://datashare.ed.ac.uk/handle/10283/4226

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://datashare.ed.ac.uk/handle/10283/4226

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

涉及3个阶段:1. 第1阶段:开展了一项定性研究,探讨医疗服务提供者在提供哮喘照护和实施哮喘自我管理时面临的挑战。2. 第2阶段:一项关于纸质图文哮喘行动计划(PAAP)的前后可行性研究,旨在支持低健康素养患者的哮喘自我管理。3. 第3阶段:一项关于使用移动应用程序的前后可行性研究,旨在支持低健康素养患者的哮喘自我管理。采用定性方法评估了使用该应用程序的障碍和动机。共享的文件包括参与者信息表、问卷、参与者社会人口学数据以及用于定性编码的编码手册。

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