辅助子宫肌瘤治疗决策的视频
该数据集来自 clinicaltrials.gov,关注子宫出血与决策辅助,研究对象为子宫肌瘤患者。源站描述指出,决策冲突是个体在面临有风险、可能后悔或挑战个人生活价值的多个选择时产生的不确定感,其影响因素包括知识不足、价值观不清、支持不足以及认为已做出无效决策

基本信息
资源简介
辅助子宫肌瘤治疗决策的视频
该数据集来自 clinicaltrials.gov,关注子宫出血与决策辅助,研究对象为子宫肌瘤患者。源站描述指出,决策冲突是个体在面临有风险、可能后悔或挑战个人生活价值的多个选择时产生的不确定感,其影响因素包括知识不足、价值观不清、支持不足以及认为已做出无效决策。研究希望针对知识不足这一因素,评估教育风格视频能否降低患者的决策冲突,并通过经验证的决策冲突量表 DCS-10 进行评分,分值 0 至 100,越高表示决策冲突越严重,超过 37.5 与决策延迟相关(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):状况:子宫出血、决策辅助。决策冲突被定义为当在不同选项之间做出选择涉及风险、后悔或对个人生活价值观的挑战时,个人对采取何种行动方案的不确定性。影响决策冲突的一些因素包括知识不足、价值观不清晰、支持不足以及认为已做出无效决策。在本研究中,研究者希望针对知识不足这一因素,观察教育风格视频能否降低子宫肌瘤患者的决策冲突。这将通过使用经验证的决策冲突量表评分 DCS-10 进行评估来完成。DCS-10 评分范围为 0 到 100,数值越大表示决策冲突水平越高。评分高于 37.5 与决策延迟相关。通过教育视频提高知识……
【主题与分类】
主题标签:Uterine Bleeding、Decision Aid。本站分类:泌尿生殖系统疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07072364
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/NCT07072364
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:子宫出血,决策辅助。决策冲突被定义为当在不同选项之间做出选择涉及风险、后悔或对个人生活价值观的挑战时,个人对于应采取何种行动方案的不确定性。影响决策冲突的一些因素包括知识不足、价值观不明确、支持不足以及认为已做出无效决策的认知。在本研究中,研究者希望针对知识不足这一因素,探讨教育类视频是否能降低子宫肌瘤患者的决策冲突。这将通过使用经过验证的决策冲突量表评分DCS-10进行评估来完成。DCS-10评分范围为0至100,分数越高表示决策冲突水平越高。评分高于37.5与决策延迟相关。通过教育视频提高对子宫肌瘤的知识水平,研究者希望确定决策冲突是否能够被最小化。这将是一项随机、单盲试验。干预组的患者将在就诊讨论子宫肌瘤治疗方案之前收到一段关于子宫肌瘤的教育视频。
所有患者将在就诊时接受常规临床护理和关于治疗选择的咨询。就诊后,患者将完成DCS-10调查。调查工具将通过Way to Health平台以短信形式发送,并根据预约日期自动定时发送。试点数据显示,该妇科人群就诊后DCS-10平均得分为29分。根据DCS-10相关文献推荐的效应量0.4,需要154名患者的样本量。研究者预计研究招募将耗时约六个月。个体参与研究将从患者预约讨论肌瘤治疗后的不久收到参与邀请时开始,至就诊后一周内完成DCS-10调查时结束。该调查大约需要5分
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。




