用于改善临床决策规则使用的非中断性提醒

数据集获取

源站：https://clinicaltrials.gov/study/NCT04702308

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

病症：肺栓塞、深静脉血栓、轻度头部损伤、胸痛、颈部创伤。本研究是一项计划中的质量改进项目的延伸，旨在通过提高犹他大学急诊科急诊医学提供者对循证临床决策规则的使用，促进标准化诊疗。来自EHR的患者特异性信息将用于在诊疗现场向急诊医学提供者推荐使用相关临床决策规则。这些推荐将以非中断性提醒的形式呈现，并可通过MDCalc Connect EHR附加应用程序一键访问所建议的决策规则。本研究的具体目标是确定：1）患者特异性非中断性提醒是否能提高急诊医学提供者对临床决策规则的使用；2）临床决策规则使用的增加是否会影响提供者的开单习惯。

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。