Coach McLungs 在初级保健中的实施与评估
该数据集来自 clinicaltrials.gov,聚焦哮喘在初级保健场景下的实施与评估,围绕 Coach McLungs 相关研究

基本信息
资源简介
Coach McLungs 在初级保健中的实施与评估
该数据集来自 clinicaltrials.gov,聚焦哮喘在初级保健场景下的实施与评估,围绕 Coach McLungs 相关研究。源站描述指出,改变医疗服务提供者行为具有挑战性,将新医学证据落实到日常实践仍存在显著知识缺口;诸多个体与系统层面因素导致哮喘结局不佳,原因在于缺乏可扩展、可持续且可广泛推广的综合性哮喘照护方法。有效的医患沟通策略与哮喘结局改善相关,共享决策(SDM)是以患者为中心、医患共同依据证据并权衡风险与患者偏好和价值观来选择检查、治疗与照护方案的过程,既往研究(包括 PCORI 资助的传播研究)显示 SDM 与哮喘患者结局改善相关(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:哮喘。改变医疗服务提供者的行为可能具有挑战性,而我们对于如何最好地将新医学证据落实到日常实践中仍存在显著的知识缺口。众多个体层面和系统层面的因素导致哮喘结局不佳,这些不良结局持续存在,原因在于缺乏一种可扩展、可持续且可广泛推广的综合性哮喘照护方法。哮喘结局的改善与患者和提供者之间有效的沟通策略相关。共享决策(SDM)是一个以患者为中心的过程,患者和提供者在此过程中共同做出决策,并基于权衡风险与患者偏好和价值观的证据来选择检查、治疗和照护方案。既往研究,包括一项由 PCORI 资助的传播研究,已表明 SDM 与哮喘患者结局的改善相关。
【主题与分类】
主题标签:Asthma。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/NCT05059210
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/NCT05059210
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:哮喘。改变医疗服务提供者的行为可能颇具挑战性,而我们在如何将新的医学证据最佳地融入日常实践方面存在显著的知识空白。众多个人和系统层面的因素导致哮喘治疗效果不佳,这些问题持续存在,原因在于缺乏一种可扩展、可持续且广泛传播的综合性哮喘照护方法。哮喘治疗效果的改善与患者和提供者之间有效的沟通策略相关。共享决策(SDM)是一种以患者为中心的流程,患者与提供者共同基于平衡风险与患者偏好及价值观的证据来做出决策,选择检测、治疗和照护计划。既往研究,包括一项由PCORI资助的传播研究,已表明SDM与初级保健中哮喘患者治疗效果的改善有关。Coach McLungsSM——一种基于证据的虚拟哮喘SDM干预措施,内置哮喘教育和临床决策支持——将在其融入大型医疗系统内各初级保健实践的过程中进行实施评估。
Atrium Health 是全美第二大虚拟整合医疗系统,每年接诊超过 1400 万人次,并拥有该地区最大的初级保健网络,为评估将干预措施整合进初级保健提供了理想场所。Coach McLungsSM 将被全面整合进所有初级保健诊所的电子病历中。所有在这些诊所就诊的 5-17 岁哮喘患者都将接受未控制哮喘评估。本研究的目标是评估将 Coach McLungsSM 共享决策干预整合进初级保健的实施情况。实施将依据实施策略汇编《实施变革专家建议》(ERIC)进行指导,并使用 RE-AIM(可及性、有效性、采纳、实施、维持)框架进行评估。研究问题包括:如何最好地
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。




