波多黎各哮喘综合应对项目(PR-AIR)
PR-AIR 是来自 clinicaltrials.gov 的儿科哮喘研究数据集,聚焦波多黎各哮喘综合应对项目的实施。项目分阶段开展,Phase 1 为形成性评价,邀请社区利益相关者(哮喘患儿主要照护者、学校人员、哮喘医疗提供者)参与,识别、调整并最终确定实施策略

基本信息
资源简介
波多黎各哮喘综合应对项目(PR-AIR)
PR-AIR 是来自 clinicaltrials.gov 的儿科哮喘研究数据集,聚焦波多黎各哮喘综合应对项目的实施。项目分阶段开展,Phase 1 为形成性评价,邀请社区利益相关者(哮喘患儿主要照护者、学校人员、哮喘医疗提供者)参与,识别、调整并最终确定实施策略。研究采用 CFIR 识别低强度与高强度实施路径的障碍和促进因素,借助 Adaptome 指导干预适配当地情境,并用 CFIR-ERIC 匹配工具确定支持策略。15 名利益相关者参与深度访谈,16 名参与两场焦点小组。数据可用于哮喘实施科学、社区干预适配及障碍促进因素分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:儿科哮喘。在形成性评价(Phase 1)期间,研究人员将邀请社区利益相关者(哮喘患儿的主要照护者、学校人员、哮喘医疗提供者)参与,以帮助识别、调整并最终确定 PR-AIR 的实施策略。将使用实施研究综合框架(CFIR)识别低强度和高强度实施路径的障碍与促进因素,使用 Adaptome 指导干预对波多黎各情境的适配,并使用 CFIR-ERIC 匹配工具确定支持低强度和高强度实施包的战略。15 名利益相关者将在 Phase 1 早期完成深度访谈,16 名将在 Phase 1 结束时、过渡到 Phase 2 之前参与两场焦点小组,为试验实施做准备。一个社区协作组织将……
【主题与分类】
主题标签:Pediatric 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/NCT05999032
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/NCT05999032
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。在形成性评价(第一阶段)中,研究人员将邀请社区利益相关者(哮喘儿童的主要照护者、学校工作人员、哮喘医疗保健提供者)参与,以帮助识别、调整并最终确定PR-AIR的实施策略。将使用实施研究综合框架(CFIR)来识别低强度和高强度实施方法的障碍与促进因素,使用Adaptome指导干预措施适应波多黎各(PR)的背景,并使用CFIR-ERIC匹配工具来识别支持低强度和高强度实施包的战略。15名利益相关者将在第一阶段早期完成深度访谈,16名将在第一阶段结束、过渡到第二阶段之前参加两个焦点小组,为试验实施做准备。将召集一个社区利益相关者协作组(PR-AIR CC),在试验的两个阶段全程提供意见。在第二阶段(第2-4年),将招募480名城市儿童,年龄2-12岁(预计完成完整方案的保留人数,n = 400),这些儿童患有哮喘,分布在圣胡安哮喘负担高的12个地区。
随机化是在目标地理区域层面进行的,数据将随时间从每个区域的群体中收集。将评估个体层面(哮喘控制、生活质量)和社区特定(急诊使用/住院、缺课)的有效性结局。所有家庭都将参与对照(在我们的案例中,为社区指标的基线期)和干预(活跃试验)。每个目标区域将以低强度(虚拟)实施阶段开始,并在年中过渡到高强度实施阶段。在学年头5个月入组的家庭将接受低强度干预包,而在学年最后5个月入组的家庭将接受高强度干预包。每年将全程从社区收集意见
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。




