远程医疗强化哮喘管理-联合提供者

该数据集来自clinicaltrials.gov,聚焦儿童哮喘的远程医疗管理研究。研究针对城市中中度至重度持续性或难以控制的哮喘儿童,开展基于学校的TEAM-UP项目,通过远程医疗连接专科医生与初级保健医生,促进指南导向治疗

University of RochesterUniversity of Rochester
clinicaltrials
浏览 7
其他分类Asthma in Children
Telemedicine Enhanced Asthma Management - Uniting Providers

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-22

资源简介

远程医疗强化哮喘管理-联合提供者

该数据集来自clinicaltrials.gov,聚焦儿童哮喘的远程医疗管理研究。研究针对城市中中度至重度持续性或难以控制的哮喘儿童,开展基于学校的TEAM-UP项目,通过远程医疗连接专科医生与初级保健医生,促进指南导向治疗。数据覆盖4-12岁儿童(n=360),包含随机对照试验设计,比较TEAM-UP与强化照护组。可用于评估远程医疗干预效果、分析哮喘管理依从性及专科转诊模式(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。本研究是一项创新的基于学校的项目,针对患有中度至重度持续性或难以控制的哮喘的城市儿童。远程医疗强化哮喘管理-联合提供者(TEAM-UP)项目通过专家支持的照护来增强基于学校的、以初级保健为导向的哮喘项目,以确保基于指南的最佳治疗。本研究是一项TEAM-UP与强化照护对照组的大规模随机试验。所有入组儿童(n=360,4-12岁)的初级保健医生(PCP)将被提示通过学校启动预防性哮喘药物的直接观察治疗(DOT),并进行专科转诊。对于TEAM-UP组的儿童,专科就诊将通过学校远程医疗进行。远程医疗专科就诊将在开始后约4周安排

【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/NCT03545906

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT03545906

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。本研究是一项创新的、以学校为基础的项目,针对患有中度至重度持续性或难以控制哮喘的城市儿童。远程医疗增强哮喘管理—联合提供者(TEAM-UP)项目通过专家支持的照护来增强以学校为基础、以初级保健为导向的哮喘项目,以确保基于指南的最佳治疗。本研究是一项全面随机试验,比较TEAM-UP与增强照护对照组。所有入组儿童(n=360,4-12岁)的初级保健医生(PCP)将被提示通过学校启动预防性哮喘药物的直接观察治疗(DOT),并转诊至专科医生。对于TEAM-UP组的儿童,专科就诊将通过学校远程医疗进行协调。远程医疗专科就诊将在启动DOT约4周后安排,以便在每日控制药物依从性建立后,能够基于指南对药物和照护需求进行准确评估。

还将提供最多2次远程医疗专科随访,以评估患儿对治疗的反应并进行必要调整。本研究将利用现有社区基础设施,在学校实施远程医疗和DOT,并与PCP保持协作。盲法随访将在基线后3、5、7和12个月进行,主要结局是比较各随访时间点的无症状天数(SFD)。

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。

获取专属数据定制方案