Smart Spot蓝牙低功耗实时定位系统在乌干达质量改进中的回顾性研究

数据集获取

源站：https://doi.org/10.5683/SP3/MBNY9S

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

背景：实时定位系统可追踪资产和人员的移动，在高收入临床环境中已显示出改善患者流动的潜力。然而，其在低收入和中等收入国家的应用仍然有限。Smart Spot是一种低成本蓝牙低功耗实时定位系统，已被整合并部署于乌干达殉道者伊班达医院门诊部的Smart Triage质量改进平台中。为评估Smart Spot的准确性和回顾性效用，我们考察了其捕获的患者流动是否与预期临床路径一致，并比较了Smart Triage实施前后在关键区域停留的中位时间。方法：在分诊时，家长或儿童（<12岁）会佩戴一个蓝牙低功耗信标，信标系在颜色编码的挂绳上，以标示风险优先级。这些信标用于追踪患者在整个门诊就诊期间的位置。数据收集于4个月的基线阶段（589次就诊；2022年2月至5月）和12个月的干预阶段（实施Smart Triage；1，319次就诊；2022年6月至2023年5月）。

开发了一种数据清洗算法，以减少噪声并生成更可靠的患者就诊轨迹记录。计算了每位患者在评估区、急诊/影像室、检验科以及整个就诊过程中的停留时长。将患者就诊轨迹与预期路径进行比较，并使用分位数回归分析各阶段之间的中位差异。结果：数据清洗使与预期患者流程的匹配率从13.0%提高至71.4%。与基线相比，干预措施显著缩短了在评估区的中位停留时间（−81.9分钟[51.7%]；CI=−95.1至−68.8）、急诊室停留时间（−44.3分钟[69.1%]；CI=−67.7至−20.8）以及总就诊时长（−122.9分钟[58.2%]；CI=−138.4至−107.3），所有p值均<0.001。检验科中位时间增加0.6分钟，无统计学意义（p=0.57）。

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。