多人员模拟训练改善护士主导烧伤与烫伤护理的初步探索
该数据集来自 clinicaltrials.gov，聚焦于应用多人员模拟训练提升护士主导的烧伤与烫伤护理能力。研究涉及 Virtual Reality 与 High Fidelity Simulation Training 两种干预方式，实验组与对照组在临床导师、标准实践护士、培训内容和评估流程上保
基本信息
资源简介
多人员模拟训练改善护士主导烧伤与烫伤护理的初步探索
该数据集来自 clinicaltrials.gov，聚焦于应用多人员模拟训练提升护士主导的烧伤与烫伤护理能力。研究涉及 Virtual Reality 与 High Fidelity Simulation Training 两种干预方式，实验组与对照组在临床导师、标准实践护士、培训内容和评估流程上保持一致，仅干预训练方法不同。实验流程包括研究说明、前测与问卷、VR 实操教学或环境熟悉、多人员模拟训练、后测汇报及后测问卷，采集数据将使用 SPSS 22.0 进行描述性统计、t 检验等分析。该数据可用于探究模拟训练对护理培训效果的影响（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：Virtual Reality、High Fidelity Simulation Training。实验组和对照组的临床导师、标准实践护士、培训内容和评估流程均相同，仅干预的训练方法不同。实验前一周向每位参与者提供一段预先录制的烧伤护理教学视频用于自学。实验流程包括研究说明、前测和前测问卷（约10分钟）、VR实操教学或环境熟悉阶段（约10分钟）、多人员模拟训练（约15分钟）和后测汇报（约5分钟）、后测和问卷（约10分钟）。完成所有实验后，研究者将使用SPSS 22.0对收集的数据进行描述性统计、t检验和其他统计分析。
【主题与分类】
主题标签：Virtual Reality、High Fidelity Simulation Training。本站分类：创伤与损伤/烧伤。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT05493774
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/NCT05493774
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：虚拟现实、高保真模拟训练。除干预训练方法不同外，实验组与对照组的临床导师、标准实践护士、培训内容和评估流程均相同。实验前一周向每位参与者提供一段预先录制的烧伤护理教学视频供其自学。实验流程包括研究说明、前测及前测问卷（约10分钟）、VR实操教学或环境熟悉阶段（约10分钟）、多人模拟训练（约15分钟）及后测汇报（约5分钟）、后测及问卷（约10分钟）。完成所有实验后，研究者将使用SPSS 22.0版对收集的数据进行描述性统计、t检验及其他统计分析。
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。
