小肠细菌过度生长呼气试验研究
该数据集来自 clinicaltrials.gov，聚焦胃食管反流、反流与烧心人群，研究者在服用质子泵抑制剂后小肠细菌过度生长的发生频率
基本信息
资源简介
小肠细菌过度生长呼气试验研究
该数据集英文名为“A Study of Breath Testing for Small Intestinal Bacterial Overgrowth”，来源于 clinicaltrials.gov，在本站归入循环系统疾病 / 其他分类。其关注对象为胃食管反流、反流与烧心人群，核心研究问题是：在服用质子泵抑制剂之后，小肠细菌过度生长的发生频率如何。数据集以呼气试验为研究手段，围绕上述症状人群的肠道菌群变化开展观察。主题标签包括 Gastroesophageal Reflux、Regurgitation、Heartburn，整体定位属于消化系统症状与药物相关菌群过度生长交叉领域的研究数据资源，可供相关方向的检索、整理与二次利用参考。
【数据集背景】
胃食管反流、反流和烧心是常见的消化道症状表现，临床中常使用质子泵抑制剂进行抑酸治疗。研究者关注的问题在于，服用质子泵抑制剂后小肠细菌过度生长的发生频率究竟如何。该数据集正是围绕这一研究问题组织而成，其背景指向抑酸药物使用与小肠细菌过度生长之间的关联性观察，研究对象为伴有胃食管反流、反流、烧心表现的人群。源站描述明确列出了上述三类症状作为研究条件，并说明研究者的目标是确定服药后小肠细菌过度生长的发生频率。
【数据内容】
该数据集的主题标签为胃食管反流、反流与烧心，研究手段为呼气试验，研究关注的核心指标是小肠细菌过度生长在服用质子泵抑制剂后的发生频率。数据集英文名称直接体现了“呼气试验”与“小肠细菌过度生长”两个关键要素。除上述主题与研究方向外，源站未提供具体变量列表、样本量、观测时间点、分组方式等细节内容。
【采集与来源】
该数据集来自 clinicaltrials.gov，属于临床试验注册来源的数据资源。源站描述给出的研究条件为胃食管反流、反流与烧心，研究目的是确定服用质子泵抑制剂后小肠细菌过度生长的发生频率。关于具体的采集流程、执行机构、招募方式、随访安排等信息，源站未提供。
【适用场景】
基于其主题与研究方向，该数据集可用于围绕胃食管反流、反流、烧心人群的文献梳理与研究方向检索，也可作为质子泵抑制剂使用与小肠细菌过度生长关联性研究的参考入口。其呼气试验相关的研究定位，适合用于消化系统症状人群肠道菌群过度生长问题的资料汇总与主题归类。具体到统计分析、模型训练或临床决策支持等用途，源站未提供相应说明。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据获取方式、字段说明、访问权限、分析建议等均未在已有信息中体现。
【质量与限制】
该数据集为 clinicaltrials.gov 来源的临床试验注册信息，其内容范围以源站描述为限。由于缺少样本量、变量定义、测量方法细节与结果数据等信息，无法对数据完整性、偏倚控制与结果可靠性作出判断。相关质量评估信息源站未提供。
【引用与许可】
源站未提供该数据集的引用格式与许可条款信息。
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/NCT05976165
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
Conditions: Gastroesophageal Reflux, Regurgitation, Heartburn. Researchers hope to determine how often small intestinal bacterial overgrowth occurs after taking proton pump inhibitors.
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。
