椎管内分娩镇痛与母婴感染结局的关联研究

该数据集来自 clinicaltrials.gov,为一项回顾性观察性队列研究,覆盖2015至2022年某医院分娩数据库中符合纳入标准、且椎管内分娩镇痛暴露状态明确的单胎活产阴道试产产妇

Peking University First HospitalPeking University First Hospital
clinicaltrials
浏览 10
其他分类Intrapartum Maternal FeverClinical ChorioamnionitisNeonatal Infection
Association Between Neuraxial Labor Analgesia and Maternal and Neonatal Infectious Outcomes

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-22

资源简介

椎管内分娩镇痛与母婴感染结局的关联研究

该数据集来自 clinicaltrials.gov,为一项回顾性观察性队列研究,覆盖2015至2022年某医院分娩数据库中符合纳入标准、且椎管内分娩镇痛暴露状态明确的单胎活产阴道试产产妇。数据聚焦产时发热、临床绒毛膜羊膜炎与新生儿感染等母婴感染结局,可用于探究椎管内分娩镇痛与复合新生儿感染结局的关联,并区分真实感染风险与临床发热相关的诊疗路径差异(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):病症:产时发热、临床绒毛膜羊膜炎、新生儿感染。本回顾性观察性队列研究旨在探讨在尝试阴道分娩的产妇中,椎管内分娩镇痛与母婴感染结局之间的关联,并区分真实的感染风险与临床发热相关的诊断和治疗路径。其试图回答的主要问题是:在尝试阴道分娩的单胎活产产妇中,椎管内分娩镇痛是否会增加复合新生儿感染结局的风险?符合纳入标准且椎管内分娩镇痛暴露状态明确(暴露组在分娩期间接受椎管内分娩镇痛;非暴露组未接受此类镇痛)的参与者被从该医院覆盖2015至2022年的分娩数据库中提取,其分娩前基线特征

【主题与分类】

主题标签:Intrapartum Maternal Fever、Clinical Chorioamnionitis、Neonatal Infection。本站分类:消化系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07751666

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

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://clinicaltrials.gov/study/NCT07751666

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:产时母体发热、临床绒毛膜羊膜炎、新生儿感染。这项回顾性观察性队列研究旨在探讨椎管内分娩镇痛与尝试阴道分娩的女性母婴感染结局之间的关联,并区分真正的感染风险与临床发热相关的诊断和治疗路径。其旨在回答的主要问题是:在尝试阴道分娩的单胎活产女性中,椎管内分娩镇痛是否会增加新生儿复合感染结局的风险?

从医院2015年至2022年的分娩数据库中提取符合纳入标准且椎管内分娩镇痛暴露状态明确的参与者(暴露组在分娩期间接受椎管内分娩镇痛;非暴露组未接受此类镇痛),并通过倾向性评分加权、敏感性分析和阴性对照分析等多种统计调整方法,对其产前基线特征、产程记录、产妇发热、产时抗生素使用、临床绒毛膜羊膜炎诊断及新生儿感染诊断数据进行回顾性分析。

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。

需要用于商业化训练或医疗器械注册(NMPA/FDA)?

公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。