改善慢性阻塞性肺疾病患者临终沟通质量研究
该数据集来自 clinicaltrials.gov,聚焦慢性阻塞性肺疾病(COPD)患者的临终沟通质量改善研究。源站描述显示,项目在既往研究基础上,将患者临终偏好与维持生命治疗意愿纳入多层面干预,旨在评估该干预对中重度 COPD 患者与初级保健提供者之间临终沟通质量的效果

基本信息
资源简介
改善慢性阻塞性肺疾病患者临终沟通质量研究
该数据集来自 clinicaltrials.gov,聚焦慢性阻塞性肺疾病(COPD)患者的临终沟通质量改善研究。源站描述显示,项目在既往研究基础上,将患者临终偏好与维持生命治疗意愿纳入多层面干预,旨在评估该干预对中重度 COPD 患者与初级保健提供者之间临终沟通质量的效果。干预以自我效能理论为基础,包含提供者教育、本地倡导者与榜样、识别患者沟通障碍与促进因素、沟通偏好及临终照护偏好,并利用这些信息激活患者及家属。数据可用于临终沟通干预研究、COPD 照护质量评估及相关主题分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:肺部疾病、COPD、慢性支气管炎、肺气肿。本项目建立在既往工作基础上,既往工作描述了患者临终时重要的偏好以及维持生命治疗的意愿,本项目将这些属性纳入一项多层面干预,旨在改善临终沟通质量。我们的具体目标是评估一项多层面干预,以改善中度或重度 COPD 患者与其初级保健提供者之间的临终沟通质量。该干预基于自我效能理论,包括提供者教育、本地倡导者和榜样、确定患者在临终照护沟通方面的个体障碍和促进因素、临终照护沟通偏好以及临终照护偏好,并利用这些信息激活患者、家属
【主题与分类】
主题标签:Pulmonary Disease、COPD、Chronic Bronchitis、Emphysema。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/NCT00106080
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/NCT00106080
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:肺部疾病、慢性阻塞性肺疾病(COPD)、慢性支气管炎、肺气肿。本项目基于先前的工作,该工作描述了患者临终时重视的偏好以及对维持生命治疗的意愿,通过将这些属性纳入一项多方面的干预措施,旨在提高临终沟通的质量。我们的具体目标是评估一项多方面干预措施,以改善中重度COPD患者与其初级保健提供者之间临终沟通的质量。该干预基于自我效能理论,包括提供者教育、本地倡导者和榜样、确定患者在临终关怀沟通方面的个体障碍和促进因素、对临终关怀沟通的偏好以及对临终关怀的偏好,并利用这些信息激励患者、家庭成员和医疗保健提供者。对于对照组和干预组患者,我们收集了以下信息,并将其纳入一份一页的摘要报告:1. 关于心肺复苏(CPR)和机械通气的偏好 2.
与医疗服务提供者沟通的偏好 3. 气流阻塞严重程度的测量 4. 沟通的障碍与促进因素 5. 对临终关怀的偏好 该干预措施被纳入常规门诊就诊流程。对于即将到来的门诊就诊,我们为干预组患者和医疗服务提供者生成了一份个体化的一页式患者专属反馈表。对照组患者和医疗服务提供者未收到该表格。所生成的一页式反馈表:1. 邮寄给患者,以便与其代理人分享 2. 在门诊就诊前发送给其医疗服务提供者 3. 在门诊就诊前提供给患者 本研究采用的方法可转化为临床实践,并可能推广应用于其他慢性危及生命的疾病。
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。




