数字化与家长示范刷牙对比研究
该数据集来自 clinicaltrials.gov,主题为数字化与家长示范刷牙对菌斑减少的影响。数据可用于比较两种刷牙干预方式对菌斑减少的效果,支持口腔卫生行为干预研究(来源 clinicaltrials.gov)

基本信息
资源简介
数字化与家长示范刷牙对比研究
该数据集来自 clinicaltrials.gov,主题为数字化与家长示范刷牙对菌斑减少的影响。研究为前瞻性随机对照试验,在 Altamed Clinic(Sunflower 地点)和 University of Southern California Advanced Pediatric Dental Clinic 开展,纳入 3-6 岁符合标准的在册患者,通过区组随机化分为两组。数据可用于比较两种刷牙干预方式对菌斑减少的效果,支持口腔卫生行为干预研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:菌斑减少。本研究是一项前瞻性随机对照试验。研究将在 Altamed Clinic(Sunflower 地点)和 University of Southern California Advanced Pediatric Dental Clinic 进行。符合纳入标准的 3-6 岁在册患者将有资格参加。将使用招募脚本招募患者参与研究。如果患者的父母同意参与研究,他们将签署所有知情同意书。参与者将通过区组随机化和为每位参与者按数字顺序预先分配信封的方式随机分配到两组。信封随后将存放在一个文件夹中;一旦参与者同意加入研究,将按数字顺序抽取信封以确定参与者所在组别,以确保随机化。对照组将获得口腔卫生指导
【主题与分类】
主题标签:Plaque Reduction。本站分类:口腔疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07441148
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/NCT07441148
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:菌斑减少。本研究为前瞻性随机对照试验。研究将在Altamed诊所(Sunflower地点)和南加州大学高级儿童牙科诊所进行。符合纳入标准的3-6岁在册既定患者将符合资格。将使用招募脚本招募患者参与研究。如果患者的父母同意参与研究,他们将签署所有知情同意书。参与者将通过区组随机化随机分配到两组,并为每位参与者准备按数字顺序预先分配的信封。信封随后将存放在一个文件夹中;一旦参与者同意加入研究,将按数字顺序抽取信封以确定参与者所在组别,以确保随机化。对照组将以家长或看护人示范刷牙的形式接受口腔卫生指导。实验组将以名为“MoodBrush”的手机应用程序的形式接受口腔卫生指导,以教导儿童如何正确刷牙。
MoodBrush是一款有用的应用程序,可帮助教导儿童如何刷牙。该应用使用鲜艳的色彩和图形向儿童展示刷牙的位置,并为每个象限设置了计时器,以确保牙齿每个部分获得相同的刷牙时间(附录I)。MoodBrush可免费下载,在研究期间不会产生应用内购买,并且与Apple设备兼容。家长无需下载该应用即可参与本研究。本研究无需进行干预监测。在所有程序进行期间,主要研究者均会在场,以确保研究以适当的方式进行。完成家长调查将作为研究参与的记录。本研究将遵循标准诊疗范围内的一系列系统性步骤,以及作为研究设计一部分的额外步骤。这些步骤将包括:家长调查(stu
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。




