烧伤换药中AR与VR对比研究
该数据集来自clinicaltrials.gov，聚焦烧伤儿童换药过程中的创伤体验。源站描述指出，换药对患儿、家长及医护人员均造成困扰，现有游戏治疗资源有限，而增强现实（AR）与虚拟现实（VR）有证据可提供分散注意力的沉浸环境以缓解疼痛和恐惧，但尚无研究比较两者效果
基本信息
资源简介
烧伤换药中AR与VR对比研究
AR Vs VR in Burns Dressing Changes 是一个登记于 clinicaltrials.gov 的研究数据集，主题聚焦烧伤儿童换药过程中的创伤体验。烧伤患儿更换敷料往往被视为治疗旅程中最具创伤性的经历之一，这一过程不仅让患儿感到痛苦，也给家长和参与的医护人员带来压力。现有缓解手段包括游戏治疗师的介入，但相关资源常常有限。已有较好证据表明，增强现实（AR）与虚拟现实（VR）能够通过提供分散注意力的沉浸式环境来减轻疼痛与恐惧，然而尚缺乏研究对这两种现代技术进行比较，以判断哪一种更为有效。该数据集即围绕这一研究空白而设立，归属于损伤、中毒及外因 / 其他类别。
【数据集背景】
烧伤儿童在换药过程中承受的疼痛与恐惧是临床护理中的突出问题。源站描述指出，换药对患儿而言可能是整个治疗过程中最令人痛苦的环节之一，其影响并不局限于患儿本人，家长与医护人员同样承受着心理压力。目前用于减轻此类创伤的常用方法之一是游戏治疗师的参与，但这类资源往往供给有限，难以普遍覆盖。与此同时，已有较好的证据支持增强现实与虚拟现实技术在分散注意力、营造沉浸环境方面的作用，可帮助缓解疼痛和恐惧。问题在于，这两种技术孰优孰劣尚无研究加以比较，这一空白构成了该数据集所对应研究的出发点。
【数据内容】
该数据集的主题标签为 Burns Multiple，对应源站描述中的 Conditions: Burns Multiple。数据集围绕烧伤儿童换药场景中增强现实与虚拟现实的比较展开。源站描述提及了换药创伤体验、游戏治疗资源有限、AR 与 VR 的镇痛与缓解恐惧潜力，以及缺乏两者对比研究等背景信息。关于数据集所包含的具体变量、样本量、分组方式、结局指标等细节，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov，本站分类为损伤、中毒及外因 / 其他。源站描述以研究背景与目的陈述为主，说明了烧伤儿童换药创伤的现状、现有干预手段的局限以及开展 AR 与 VR 比较研究的必要性。关于数据采集的具体地点、时间范围、采集流程与招募方式，源站未提供。
【适用场景】
基于源站描述，该数据集适用于关注烧伤儿童换药过程中疼痛与恐惧管理的场景，尤其是涉及增强现实与虚拟现实两种沉浸式分散注意力技术效果比较的研究情境。其背景信息也可为儿科烧伤护理中非药物干预手段的选择提供参考。关于更具体的适用条件与使用边界，源站未提供。
【使用方法】
源站未提供。
【质量与限制】
源站描述明确指出，此前尚无研究对增强现实与虚拟现实这两种现代技术进行比较，以确定哪一种更为有效，这既是该数据集所对应研究的价值所在，也提示相关比较证据在此前是缺失的。关于数据质量指标、样本代表性、偏倚控制等具体信息，源站未提供。
【引用与许可】
源站未提供。
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/NCT06721780
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：多处烧伤。对于烧伤儿童而言，更换敷料可能是其治疗过程中最具创伤性的经历之一。这一过程不仅令儿童痛苦，也令其父母和参与的医护人员感到痛苦。目前减少这种创伤的方法包括使用游戏治疗师，但此类资源往往有限。有充分证据表明，增强现实（AR）和虚拟现实（VR）可以通过提供分散注意力和沉浸式的环境来缓解疼痛和恐惧。然而，尚无研究对这两种现代技术进行比较，以确定哪一种更为有效。
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。
