同时实施改善住院儿童哮喘、肺炎和细支气管炎护理的路径
该数据集来自 clinicaltrials.gov,聚焦哮喘、肺炎和细支气管炎这三种美国儿童住院的主要原因。据源站描述,这三类疾病每年导致约35万例住院和20亿美元花费

基本信息
资源简介
同时实施改善住院儿童哮喘、肺炎和细支气管炎护理的路径
该数据集来自 clinicaltrials.gov,聚焦哮喘、肺炎和细支气管炎这三种美国儿童住院的主要原因。据源站描述,这三类疾病每年导致约35万例住院和20亿美元花费。临床医生对指南采纳不足,会造成恢复期或住院时间延长、转入重症监护室比例升高以及再入院风险增加。路径是指导循证诊疗的简明可视化流程图,可通过纸质或电子方式获取,能提升儿童医院与社区医院医生对循证实践的采纳,但多数医院一次只针对单一疾病实施路径。该数据可用于呼吸系统疾病相关的临床路径与儿科住院研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:哮喘、肺炎、细支气管炎。哮喘、肺炎和细支气管炎是美国儿童住院的首要原因,每年导致约35万例住院和20亿美元花费。临床医生对指南采纳不足,导致这些因呼吸系统疾病住院的儿童健康结局不佳,包括恢复时间/住院时间延长、转入重症监护室的比例更高以及再入院风险增加。路径可以改善儿童医院和社区医院环境中临床医生对循证实践/指南的采纳。路径是简单的可视化图表,指导临床医生逐步完成特定疾病的循证护理(可通过纸质或电子方式获取)。大多数医院一次只针对单一疾病(例如哮喘)实施路径。
【主题与分类】
主题标签:Asthma、Pneumonia、Bronchiolitis。本站分类:呼吸系统疾病/肺炎。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05206695
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/NCT05206695
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
病症:哮喘、肺炎、细支气管炎。哮喘、肺炎和细支气管炎是美国儿童住院的首要原因,每年导致约35万例住院和20亿美元的费用。临床医生对指南的采纳率低,导致这些因呼吸系统疾病住院的儿童健康结果不佳,包括恢复时间/住院时间延长、转入重症监护室的比例更高以及再入院风险增加。临床路径可以促进临床医生在儿童医院和社区医院环境中采用循证实践/指南。临床路径是简单、直观的图表,指导临床医生逐步进行特定疾病的循证护理(可通过纸质或电子方式获取)。大多数医院一次只针对一种疾病(如哮喘)实施临床路径。但西雅图儿童医院开发了一种干预措施,可同时实施多种疾病的临床路径。
该干预措施实现了指南的持续采纳,缩短了住院时间,并降低了成本;而且,这些效果与单病种路径实施所显示的效果相当。这种多病种路径干预尚未在社区医院中进行研究,而社区医院面临着独特的实施障碍。本研究的目标是识别并测试务实且可持续的策略,以在社区医院中实施针对因哮喘、肺炎或毛细支气管炎住院儿童的多病种路径干预。该研究是一项在美国社区医院中开展的务实、整群随机试验。路径干预将采用为该干预措施定义的关键实施策略(审计与反馈、电子健康记录整合、计划-执行-研究-行动循环)来实施。主要结局将是循证实践在2年持续期内的采纳情况。次要结局包括住院时间、重症监护室转入
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。




