地震后为家庭开发的移动应用对急救知识与烧伤预防的影响
该数据集来自 clinicaltrials.gov,主题为地震后为居住在帐篷城和集装箱房中的家庭开发的烧伤预防与急救移动应用

基本信息
资源简介
地震后为家庭开发的移动应用对急救知识与烧伤预防的影响
该数据集来自 clinicaltrials.gov,主题为地震后为居住在帐篷城和集装箱房中的家庭开发的烧伤预防与急救移动应用。研究采用前瞻性、双臂(1:1)随机对照试验设计,并依据 CONSORT 指南报告。研究对象为 Şanlıurfa 帐篷城和集装箱房中的家庭,经 G*Power 功效分析后,样本计划纳入帐篷城 30 个家庭和集装箱城 30 个家庭,考虑失访且功效为 90%。数据可用于评估移动应用对家庭烧伤预防与急救知识及干预后前两个月烧伤发生情况的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Burns, First Aid, Mobile Application, Earthquake. 本项目旨在确定地震后为居住在帐篷城和集装箱房中的家庭开发的烧伤预防与急救移动应用对家庭烧伤预防与急救知识以及移动应用后前两个月烧伤发生情况的影响。该研究计划为前瞻性、双臂(1:1)随机对照试验。该随机对照试验将按照 CONSORT 指南报告。研究人群将由 Şanlıurfa 帐篷城和集装箱房中的家庭组成。在 G*Power 程序中进行的功效分析结果显示,考虑失访后,样本组将由来自帐篷城的 30 个家庭和来自集装箱城的 30 个家庭组成,功效为 90%。
【主题与分类】
主题标签:Burns、First Aid、Mobile Application、Earthquake。本站分类:创伤与损伤/烧伤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06155149
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/NCT06155149
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:烧伤、急救、移动应用程序、地震。本项目旨在确定为地震后居住在帐篷城和集装箱房屋中的家庭开发的烧伤预防与急救移动应用程序对家庭烧伤预防和急救知识的影响,以及移动应用程序使用后前两个月内烧伤发生情况的影响。该研究计划为一项前瞻性、双臂(1:1)、随机对照试验。本随机对照试验将按照CONSORT指南进行报告。研究人群将包括居住在尚勒乌尔法帐篷城和集装箱房屋中的家庭。根据在G*Power程序中进行的功效分析结果,考虑到失访,在90%功效和最大双向5%类型错误下,样本组将由来自帐篷城的30个家庭和来自集装箱城的30个家庭组成。
所有构成研究样本的家庭(30个移动应用程序研究组;30个对照组)都将接受由研究者根据文献准备的培训(PowerPoint演示),讲解烧伤预防和急救措施,并回答他们的问题。随后,将向实验组家庭的手机下载通过移动应用程序提供的培训,并通过该应用程序继续培训。因此,家庭在培训后可以随时通过移动应用程序获取培训内容。研究的主要结果是移动应用程序对烧伤预防和急救知识的影响。研究的次要结果是移动应用程序对移动应用程序使用后前两个月内烧伤发生情况的影响。研究中将使用“描述性特征表”、“烧伤预防和急救信息表”和“烧伤发生随访表”收集数据,这些表格包含以下描述性信息:
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。




