医院到家庭研究:优化哮喘护理过渡与解决差异的试验

该数据集来自 clinicaltrials.gov,聚焦呼吸系统疾病中的哮喘及儿童哮喘。入组后采集照护者基线数据,并将配对按 1:1 随机分为对照组与干预组:对照组出院后接受标准护理,干预组在标准护理基础上增加哮喘导航员支持

Kavita ParikhKavita Parikh
clinicaltrials
浏览 5
表格预测AsthmaAsthma in Children
Hospital to Home Study: Trial to Optimize Transitions and Address Disparities in Asthma Care

基本信息

模态
表格
任务类型
预测
创建/更新时间
2026-10-22

资源简介

医院到家庭研究:优化哮喘护理过渡与解决差异的试验

该数据集来自 clinicaltrials.gov,聚焦呼吸系统疾病中的哮喘及儿童哮喘。研究在儿童因哮喘急性发作住院期间招募照护者-儿童配对,招募地点主要为 Children's National Hospital Sheikh Zayed 院区及 Holy Cross Hospital、Mary Washington Hospital 等区域合作机构。入组后采集照护者基线数据,并将配对按 1:1 随机分为对照组与干预组:对照组出院后接受标准护理,干预组在标准护理基础上增加哮喘导航员支持。两组照护者均在入组后 3、6、9、12 个月完成数据收集调查(面对面或远程医疗)。数据可用于分析出院后护理过渡、哮喘结局及护理差异(来源 clin。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:哮喘、儿童哮喘。将在儿童因哮喘急性发作住院期间招募照护者-儿童配对。招募地点主要为 Children's National Hospital Sheikh Zayed 院区,以及区域合作伙伴:Holy Cross Hospital 和 Mary Washington Hospital。入组后,将从照护者处收集基线数据。照护者-儿童配对将被随机(1:1 比例)分为对照组或干预组。对照组将在出院后接受标准护理。干预组将在出院后接受标准护理加哮喘导航员支持。两组照护者将在入组后 3、6、9 和 12 个月完成数据收集调查(面对面或通过远程医疗)。

【主题与分类】

主题标签:Asthma、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/NCT05991115

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/NCT05991115

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:哮喘、儿童哮喘。将在儿童因哮喘急性发作住院期间招募照护者-儿童配对。招募地点主要为Children’s National Hospital Sheikh Zayed院区,以及区域合作机构:Holy Cross Hospital和Mary Washington Hospital。入组后,将从照护者处收集基线数据。照护者-儿童配对将按1:1比例随机分配至对照组或干预组。对照组将在出院后接受标准治疗。干预组将在出院后接受标准治疗加哮喘导航员支持。两组的照护者将在入组后3、6、9和12个月时完成数据收集调查(面对面或通过远程医疗)。

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