教育干预包减少患者拒绝VTE预防
该数据集来自clinicaltrials.gov,聚焦静脉血栓栓塞症(VTE)、深静脉血栓(DVT)和肺栓塞(PE)的预防

基本信息
资源简介
教育干预包减少患者拒绝VTE预防
该数据集来自clinicaltrials.gov,聚焦静脉血栓栓塞症(VTE)、深静脉血栓(DVT)和肺栓塞(PE)的预防。背景显示,约12%的处方剂量未被执行,近60%的漏服源于患者或家属拒绝,Fanikos等发现44%的漏服由患者拒绝导致。美国国家血凝块联盟调查500名近期住院患者,仅28%和15%分别了解DVT或PE基本知识,而15%有病史、43%有家族史。数据集可用于分析患者拒绝VTE预防的原因,并评估教育干预包在提升知识水平和减少拒绝方面的作用(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:静脉血栓栓塞症、深静脉血栓、肺栓塞。背景:本课题组已发表的试点研究报告称,近12%的处方剂量的药物性VTE预防未被执行,近60%的漏服剂量是由于患者或家属拒绝。Fanikos等人发现,44%的VTE预防漏服剂量是由于患者拒绝。在对500名近期住院患者的调查中,国家血凝块联盟发现,分别只有28%和15%的人对深静脉血栓(DVT)或肺栓塞(PE)有基本了解,尽管15%的参与者有其中一种疾病的病史,43%有家族史。鉴于患者拒绝VTE预防的比例如此之高,且对VTE存在显著的知识差距,迫切需要教育患者和家属了解其重要性和
【主题与分类】
主题标签:Venous Thromboembolism、Deep Venous Thrombosis、Pulmonary Embolism。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02402881
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/NCT02402881
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:静脉血栓栓塞症、深静脉血栓形成、肺栓塞。背景 本研究团队已发表的初步研究报告显示,近12%的静脉血栓栓塞症药物预防处方剂量未被执行,而几乎60%的遗漏剂量是由于患者或家属拒绝。Fanikos等人发现,44%的静脉血栓栓塞症预防遗漏剂量归因于患者拒绝。在全国血凝块联盟对500名近期住院患者的调查中发现,尽管有15%的参与者有深静脉血栓形成(DVT)或肺栓塞(PE)病史,43%有家族史,但仅有28%和15%的人分别对DVT或PE有基本了解。鉴于患者拒绝静脉血栓栓塞症预防的比例之高及对静脉血栓栓塞症认知的重大缺失,迫切需要对患者及家属进行教育,强调遵守静脉血栓栓塞症预防措施的重要性和益处。拟议的以患者为中心的教育包将通过由护士教育者进行的面对面一对一讨论会形式提供。辅助教育材料包括一份两页的教育宣传单和一段教育视频。
研究人员假设,患者拒绝VTE预防与患者对自身发生VTE的风险及VTE预防获益存在显著知识缺口相关,并且向拒绝VTE预防的患者提供教育干预包将提高VTE预防的依从性并降低VTE发生率。目的 主要目的:确定提供患者教育干预包对VTE预防未实施率的影响。次要目的:确定提供患者教育干预包对VTE发生率的影响。方法 研究人员开发了一种实时警报,每当患者错过其VTE预防剂量时,该警报就会通知研究团队成员。这项干预性研究将在四个医院楼层进行。每当一名护士教育者收到警报
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。




