急诊后家庭哮喘护理远程医疗增强研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT05844891

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

条件：儿童哮喘。研究人员提出开展一项随机对照试验，比较远程医疗增强的急诊后家庭哮喘照护（TEACH-ER）与增强照护（EC）。TEACH-ER包括：1）在急诊科提供简短、图文并茂且基于健康素养的哮喘教育，并为家庭哮喘药物提供颜色和形状编码标签；2）出院后1周内通过居家远程医疗（尽可能使用Zoom）进行虚拟初级保健随访，包括为提供者设置基于指南的预防治疗提示，并将处方药物连同图文行动计划配送至家中；3）另外两次居家虚拟访视，以强化宣教、审查治疗计划、标注药物并支持有效的管理实践。研究人员将从本地区两家专门的儿科急诊科招募430名儿童（3-12岁），并对所有参与者随访12个月。研究人员将在出院后3、6、9和12个月致电照护者，完成盲法随访电话调查。

研究人员将评估TEACH-ER在减少入组后1个月内额外哮喘相关急诊就诊或住院需求方面的有效性。其他关注的结局包括哮喘症状、药物依从性、工作和学校的缺勤情况、生活质量，以及提供符合国家哮喘护理指南的照护。

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。