针对ICS抵抗性哮喘的远程焦虑管理研究
该数据集来自 clinicaltrials.gov,聚焦呼吸系统疾病中的哮喘,收录了针对ICS抵抗性哮喘的远程焦虑管理研究(RAMICS)

基本信息
资源简介
针对ICS抵抗性哮喘的远程焦虑管理研究
该数据集来自 clinicaltrials.gov,聚焦呼吸系统疾病中的哮喘,收录了针对ICS抵抗性哮喘的远程焦虑管理研究(RAMICS)。研究为多中心、开放标签、随机对照试验,计划纳入216名ICS依从性差且伴有焦虑的成年哮喘患者,评估个性化电话干预(含药物教育、渐进性肌肉放松、动机性访谈和肺康复指导)在改善用药依从性和焦虑管理方面的效果。数据可用于哮喘伴焦虑人群的依从性干预研究、远程医疗策略评估及相关分类建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:哮喘。本研究即针对ICS抵抗性哮喘的远程焦虑管理研究(RAMICS),探索改善因焦虑而对吸入性糖皮质激素(ICS)产生抵抗的哮喘患者用药依从性和焦虑管理的策略。哮喘是一种影响全球数百万人的慢性呼吸系统疾病,ICS治疗对于控制症状和预防严重急性发作至关重要。然而,许多患者难以坚持用药,尤其是那些担心ICS副作用的患者。RAMICS是一项多中心、开放标签、随机对照试验,旨在评估个性化电话干预的有效性,包括药物教育、渐进性肌肉放松(PMR)、动机性访谈(MI)和肺康复指导。该研究将纳入216名ICS依从性差且临床
【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/NCT06732141
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/NCT06732141
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:哮喘。本研究——针对ICS抵抗型哮喘的远程焦虑管理研究(RAMICS)——探讨改善因焦虑而对使用吸入性糖皮质激素(ICS)产生抵抗的哮喘患者用药依从性和焦虑管理的策略。哮喘是一种影响全球数百万人的慢性呼吸系统疾病,ICS治疗对于控制症状和预防严重急性发作至关重要。然而,许多患者在依从性方面存在困难,尤其是那些对ICS副作用感到焦虑的患者。RAMICS是一项多中心、开放标签、随机对照试验,旨在评估个性化电话干预的有效性,包括用药教育、渐进性肌肉放松(PMR)、动机性访谈(MI)和肺康复指导。该研究将纳入216名ICS依从性差且伴有临床显著焦虑的成年哮喘患者。参与者将被随机分为两组:接受每周电话干预的干预组,以及接受标准随访电话的对照组。
本研究旨在评估吸入性糖皮质激素(ICS)依从性的改善、焦虑和抑郁的减轻、哮喘症状控制的优化以及生活质量的提升。研究结果将在为期8周的干预结束后立即进行评估,并在3个月的随访期间再次评估。通过同时应对心理和药物依从性方面的挑战,本研究旨在为改善哮喘管理提供切实可行的解决方案。
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。




