优化儿童与青少年哮喘吸入器技术与自我管理
该数据集来自 clinicaltrials.gov,聚焦儿童哮喘护理路径优化。研究为随机试点试验,比较新型增强教学法 v-DOT 与标准培训在帮助儿童和青少年掌握吸入器及鼻喷雾技术、理解个性化哮喘行动计划方面的效果

基本信息
资源简介
优化儿童与青少年哮喘吸入器技术与自我管理
该数据集来自 clinicaltrials.gov,聚焦儿童哮喘护理路径优化。研究为随机试点试验,比较新型增强教学法 v-DOT 与标准培训在帮助儿童和青少年掌握吸入器及鼻喷雾技术、理解个性化哮喘行动计划方面的效果。对象为经 Safe Asthma Discharge Care Pathway 服务转介的急性喘息儿童,按 1:1 随机分为对照组与干预组。数据可用于哮喘自我管理教育干预的效果评估与相关分类研究(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。这项随机试点研究旨在探索优化护理路径的方法,使患有哮喘的儿童和青少年在哮喘护理基础知识方面得到更好的培训,并能够在尽可能早的阶段更好地应用自我管理。这将涉及比较一种新型增强教学方法(视频直接观察治疗(v-DOT))与标准培训在实现和维持掌握吸入器和鼻喷雾技术以及对个性化哮喘行动计划(PAAP)的理解方面的效果。被转介至安全哮喘出院护理路径(SADCP)服务的急性喘息儿童将被邀请参与。参与者随后将按1:1随机分配至继续留在SADCP(对照组)或接受v-DOT增强(干预组)。所有入组患者都将与哮喘护士进行一次教育课程
【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/NCT06531096
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/NCT06531096
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。这项随机试点研究旨在探索优化护理路径的方法,使患有哮喘的儿童和青少年在哮喘护理基础知识方面得到更好的培训,并能够在尽可能早的阶段更好地应用自我管理。这将涉及比较一种新型增强教学方法(视频直接观察治疗(v-DOT))与标准培训在实现和维持吸入器和鼻喷雾剂技术掌握以及对个性化哮喘行动计划(PAAP)理解方面的效果。将联系转诊至安全哮喘出院护理路径(SADCP)服务的急性喘息儿童参与研究。参与者随后将按1:1随机分配至继续留在SADCP(对照组)或接受v-DOT增强干预(干预组)。所有入组患者都将与哮喘护士进行教育课程,采用回授法教授吸入器和/或鼻喷雾剂技术及个性化哮喘行动计划(PAAP)。在该课程中,将教授哮喘的定义、识别和避免触发因素、哮喘治疗方法以及治疗副作用等内容。
对照组参与者将接受进一步评估和教育课程,采用回授法(teach back methodology)以确保其掌握正确的吸入器使用技术,并理解如何根据PAAP的三个分区采取行动,直至他们达到对该技术和PAAP理解的“掌握”程度。干预组将立即在其手机或平板电脑上下载v-DOT应用程序,并接受指导,学习如何拍摄并上传自己或孩子使用吸入器和/或鼻喷雾剂的音频视频。使用v-DOT上传音频视频并接收反馈将持续进行,直至患者连续3天上传正确技术的视频(最长不超过21天)。如果患者24小时内未上传任何视频,将通过电子邮件发送提醒,以促使其上传每日视频。无法对e
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。




