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

基本信息
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
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:
- 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。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。




