基于指南的高危哮喘患者移动健康干预实施研究
该数据集来自 clinicaltrials.gov，聚焦儿童哮喘，特别是非内城环境中未来有急性加重风险的高危青少年哮喘人群
基本信息
资源简介
基于指南的高危哮喘患者移动健康干预实施研究
该数据集英文名为 Implementing a Guidelines-Based M-Health Intervention for High Risk Asthma Patients，来源于 clinicaltrials.gov，本站将其归类于呼吸系统疾病 / 哮喘方向，主题标签为 Pediatric Asthma。数据集聚焦儿童哮喘，尤其是非内城环境中未来存在急性加重风险的高危青少年哮喘人群。源站描述显示，该研究针对阿肯色州儿童医院以患者为中心的医疗之家（PCMH）中面临未来急性加重风险的青少年，拟开展一项三臂随机对照试验，纳入 372 名哮喘未控制的青少年，用以检验 mAAP 的有效性；mAAP 提供实时个性化反馈、哮喘教育以及数据记录与追踪功能。以下依据可获得的信息对该数据集作分段介绍。
【数据集背景】
该数据集对应的研究关注高危儿童哮喘人群的健康管理问题。根据源站描述，项目与既往工作相衔接，既往工作面向非内城环境中的高危儿童哮喘人群，而本项目进一步聚焦于阿肯色州儿童医院以患者为中心的医疗之家（PCMH）中、未来存在急性加重风险的青少年。研究设计为三臂随机对照试验，计划纳入 372 名哮喘未控制的青少年，核心目的是检验 mAAP 这一基于指南的移动健康干预措施的有效性。该背景信息表明，数据集所承载的研究属于儿童哮喘管理与移动健康干预交叉的领域，研究对象具有明确的“高危”与“未控制”特征。
【数据内容】
源站描述提及，mAAP 提供实时、个性化的反馈，哮喘教育，以及数据记录与追踪能力。研究纳入的对象为 372 名哮喘未控制的青少年，采用三臂随机对照设计。除上述内容外，关于数据集具体包含哪些字段、变量类型、记录条数、随访时间点、结局指标定义等细节，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。研究场所涉及阿肯色州儿童医院以患者为中心的医疗之家（PCMH），研究对象为该医疗之家中面临未来急性加重风险的青少年。研究拟采用三臂随机对照试验设计，计划样本量为 372 名哮喘未控制青少年。关于具体采集流程、采集设备、数据录入方式、随机化与盲法实施细节等，源站未提供。
【适用场景】
基于现有信息，该数据集适用于与儿童哮喘、尤其是高危青少年哮喘管理相关的研究场景，例如评估移动健康干预（mAAP）在哮喘未控制青少年中的效果、探讨实时个性化反馈与哮喘教育及数据追踪相结合的健康管理方式等。其主题标签为 Pediatric Asthma，本站分类为呼吸系统疾病 / 哮喘，便于在呼吸系统疾病特别是哮喘相关资源中进行检索与归类。关于更细化的适用场景（如特定统计建模、特定临床决策支持用途等），源站未提供。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/NCT03842033
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
条件：儿童哮喘。拟议项目与我们此前针对非内城区环境中高风险儿童哮喘人群的工作相一致，重点关注在阿肯色儿童医院（ACH）以患者为中心的医疗之家（PCMH）中存在未来急性加重风险的青少年。我们拟开展一项三臂随机对照试验，纳入372名哮喘未控制的青少年，以检验mAAP的有效性。mAAP提供实时个性化反馈、哮喘教育以及数据记录/追踪功能。
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。
