正颌生活质量问卷(OQLQ)的跨文化适应与验证

该数据集来自 clinicaltrials.gov,聚焦健康相关生活质量与牙颌面畸形。研究为前瞻性纵向多中心设计,纳入确诊牙颌面畸形的成年患者,在术前访视时自填 OQLQ、OHIP-14 与 SF-36 以检验结构效度;对牙科状况稳定者于 4 周后重测以评估可重复性;对随访至术后 3 个月者评估反应

Hospital Carlos Van BurenHospital Carlos Van Buren
clinicaltrials
浏览 17
表格回归Health-related Quality of LifeDentofacial Deformities
Cross Cultural Adaptation and Validation of Orthognathic Quality of Life Questionnaire (OQLQ)

基本信息

模态
表格
任务类型
回归
创建/更新时间
2026-10-14

资源简介

正颌生活质量问卷(OQLQ)的跨文化适应与验证

该数据集来自 clinicaltrials.gov,聚焦健康相关生活质量与牙颌面畸形。研究为前瞻性纵向多中心设计,纳入确诊牙颌面畸形的成年患者,在术前访视时自填 OQLQ、OHIP-14 与 SF-36 以检验结构效度;对牙科状况稳定者于 4 周后重测以评估可重复性;对随访至术后 3 个月者评估反应度;并比较术前基线与术后 3、6 个月以评估健康相关生活质量变化。可用于问卷跨文化适应与验证、生活质量测量及口腔疾病相关研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):病症:健康相关生活质量、牙颌面畸形。开展了一项针对确诊牙颌面畸形的成年患者的前瞻性纵向多中心研究,在术前访视时自我填写 OQLQ、OHIP-14(口腔健康影响程度量表)和 SF-36(36 项简明健康调查问卷),以检验结构效度。为评估可重复性,4 周后对牙科状况稳定的受试者重新施测问卷。在随访至术后 3 个月的受试者中评估反应度,最后通过比较术前基线与术后 3 个月和 6 个月来评估健康相关生活质量的变化。

【主题与分类】

主题标签:Health-related Quality of Life、Dentofacial Deformities。本站分类:口腔疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT04863170

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT04863170

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

条件:健康相关生活质量,牙颌面畸形。开展了一项针对诊断为牙颌面畸形的成年患者的前瞻性纵向多中心研究,在术前访视期间自我填写OQLQ、OHIP-14(口腔健康影响程度量表)和SF-36(36项短期健康调查问卷),以检验结构效度。为评估重测信度,4周后对牙科状况稳定的受试者重新发放问卷。在随访至术后3个月的受试者中评估反应度,最后通过比较术前基线与术后3个月和6个月的情况来评估健康相关生活质量的变化。

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。

获取专属数据定制方案