哮喘社区家庭与学校管理项目实施(Asthma CHAMPS)
该数据集来自 clinicaltrials.gov,主题为儿童哮喘的社区与学校管理项目 Asthma CHAMPS 的实施评估

基本信息
资源简介
哮喘社区家庭与学校管理项目实施(Asthma CHAMPS)
该数据集来自 clinicaltrials.gov,主题为儿童哮喘的社区与学校管理项目 Asthma CHAMPS 的实施评估。研究覆盖美国巴尔的摩市 32 所小学,旨在通过定制化实施方案减少哮喘健康差异,比较干预组与等待名单对照组在学校采纳度、覆盖范围、可行性、可接受性、满意度及适宜性等方面的差异。数据可用于儿童哮喘管理、学校健康干预实施、健康公平等方向的分类与效果评估研究(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。实施目标:评估在 32 所巴尔的摩市小学中定制化实施 Asthma CHAMPS 方案以减少哮喘差异的有效性。假设:研究者假设,与等待名单对照组相比,巴尔的摩市学校将对 Asthma CHAMPS 有更高的采纳度和渗透率(例如更多学校参与、更多员工和家庭哮喘教育课程),更高的可行性/可接受性(例如更多员工参与哮喘护理活动、员工管理哮喘的信心更强),以及对定制化实施策略更高的满意度和适宜性。长期目标是在 BCPS 内实施基于美国疾病控制与预防中心(CDC)推荐框架(EXHALE)14 的循证哮喘干预。为提供成功的基础,研究者
【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/NCT05814510
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/NCT05814510
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
疾病:儿童哮喘。实施目标:评估在32所巴尔的摩市小学中量身定制的Asthma CHAMPS实施计划的有效性,以减少哮喘差异。假设:研究者假设,与等待名单对照组相比,巴尔的摩市学校将具有更高的Asthma CHAMPS采纳率和渗透率(例如,更多学校参与,更多员工和家庭哮喘教育课程),更高的可行性/可接受性(例如,更多员工参与哮喘护理活动,员工在管理哮喘方面更有信心),以及对量身定制实施策略更高的满意度和适宜性。长期目标是在BCPS内实施基于疾病控制与预防中心(CDC)推荐框架(EXHALE)14的循证哮喘干预措施。为奠定成功基础,研究者将识别并吸引当地关键利益相关者,开展社区需求评估,以为干预措施的必要完善和调整提供信息,并制定量身定制的协作策略,以确保哮喘干预计划的成功实施。
这个多阶段项目的结果将确定在巴尔的摩市学校内实施量身定制的多层次哮喘干预项目(Asthma CHAMPS:学校社区与家庭哮喘管理项目)的最佳实践,以减少哮喘差异。有效性目标:采用阶梯楔形设计开展实用性试验,评估学校和家庭哮喘干预项目的实施效果,以减少32所巴尔的摩市小学在校儿童的哮喘相关缺勤、医疗保健利用和急性发作,并改善哮喘控制。假设:就读于参与Asthma CHAMPS项目学校的哮喘儿童将获得更好的哮喘结局,包括改善哮喘控制、减少急诊就诊/住院和口服皮质类固醇疗程,以及影响(减少哮喘相关学校
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。




