以患者为中心的COPD自我管理综合居家护理辅导
该数据集来自clinicaltrials.gov,聚焦慢性阻塞性肺疾病(COPD)患者的自我管理。研究由Icahn School of Medicine at Mount Sinai牵头,在Mount Sinai Health System位于纽约曼哈顿、皇后区和布鲁克林的诊所招募300名参与者(每

基本信息
资源简介
以患者为中心的COPD自我管理综合居家护理辅导
该数据集来自clinicaltrials.gov,聚焦慢性阻塞性肺疾病(COPD)患者的自我管理。研究由Icahn School of Medicine at Mount Sinai牵头,在Mount Sinai Health System位于纽约曼哈顿、皇后区和布鲁克林的诊所招募300名参与者(每臂150人),覆盖约40%拉丁裔和约30%黑人等多元人群。随机化在基线访谈后1个月进行,采用可变区组(4至6)并按GOLD B或E分层。数据可用于COPD居家护理辅导相关研究,如分析患者特征与干预效果(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:慢性阻塞性肺疾病。Icahn School of Medicine at Mount Sinai是本项目的牵头方和唯一招募点。研究活动将在Mount Sinai Health System的各诊所开展。研究团队将通过电子健康记录识别患者池。研究团队将从纽约市曼哈顿、皇后区和布鲁克林的Mount Sinai Health System招募300名(每臂150名)参与者。这些诊所为具有相当社会人口多样性的多元人群提供医疗服务(约40%拉丁裔和约30%黑人,约50%家庭收入低于1350美元/月)。随机化将在基线访谈后1个月(且在设备归还后)进行。随机化将采用可变区组大小(4至6),并按全球慢性阻塞性肺疾病倡议(GOLD)标准B或E分层。
【主题与分类】
主题标签:Chronic Obstructive Pulmonary Disease。本站分类:呼吸系统疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06634810
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/NCT06634810
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:慢性阻塞性肺疾病。西奈山伊坎医学院是本项目的牵头单位及唯一招募站点。研究活动将在西奈山医疗系统旗下的各诊所开展。研究团队将通过电子健康记录识别患者池。研究团队将从纽约市曼哈顿、皇后区和布鲁克林的西奈山医疗系统招募300名参与者(每组150名)。这些诊所服务于具有显著社会人口学多样性的多元化人群(约40%为拉丁裔,约30%为黑人,约50%的家庭收入低于每月1,350美元)。随机化将在基线访谈后1个月(且在设备归还后)进行。随机化将采用可变区组大小(4至6),并按慢性阻塞性肺疾病全球倡议(GOLD)B级或E级标准进行分层。研究的主要结局将在6个月时评估,治疗效果的可持续性将在12个月时评估。干预措施将由VNS Health雇用的社区健康工作者(CHW)健康教练实施。
研究团队将遵循详细的干预培训手册和操作手册,指导社区卫生工作者(CHWs)实施干预。社区卫生工作者还将参加每月一次、每次90分钟的小组会议,讨论病例并听取他们自选主题的演讲,以促进技能和知识发展。研究团队将每周通过电话会议讨论后勤问题、方案完善以及与研究相关的其他问题。项目经理将在获得批准后一天内通过电子邮件将任何修改发送给IRB和研究协调员。项目经理还将通过电子邮件发送修正案批准函的副本。西奈山(Mount Sinai)作为服务站点将遵守IRB政策。
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。




