GLP-1 RA 停药后胃排空恢复研究
该数据集来自 clinicaltrials.gov,为一项前瞻性观察性队列研究,在三级学术医院连续纳入接受 GLP-1 受体激动剂且拟行全麻择期手术的成人患者,记录末次给药至手术的时间(天),并按连续变量和预设分类分析,以评估停药后胃排空恢复情况

基本信息
资源简介
GLP-1 RA 停药后胃排空恢复研究
该数据集来自 clinicaltrials.gov,为一项前瞻性观察性队列研究,在三级学术医院连续纳入接受 GLP-1 受体激动剂且拟行全麻择期手术的成人患者,记录末次给药至手术的时间(天),并按连续变量和预设分类分析,以评估停药后胃排空恢复情况。研究不干预或调整 GLP-1 RA 治疗,预设排除既往胃或食管手术、已知胃轻瘫、严重胃食管反流病、急诊手术、妊娠及无法知情同意者。数据可用于围手术期胃排空评估与术前管理相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:胃排空、胃轻瘫、术前护理。研究设计与场所:这是一项在三级学术医院开展的前瞻性观察性队列研究,旨在评估停用 GLP-1 受体激动剂后胃排空的恢复情况。连续纳入接受 GLP-1 RA 且计划在全身麻醉下接受择期手术的成年患者(≥18 岁),以尽量减少选择偏倚。预设排除标准包括既往胃或食管手术、已知胃轻瘫、严重胃食管反流病、急诊手术、妊娠以及无法提供知情同意。暴露(无干预分配):本研究不分配或修改 GLP-1 RA 治疗。距末次 GLP-1 RA 给药的时间将以天为单位,通过患者报告和医疗记录进行记录,并作为连续变量和预设分类进行分析(
【主题与分类】
主题标签:Gastric Emptying、Gastroparesis、Preoperative Care。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07360262
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/NCT07360262
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:胃排空、胃轻瘫、术前护理。研究设计与环境:这是一项在三级学术医院开展的前瞻性观察性队列研究,旨在评估停用GLP-1受体激动剂后胃排空恢复情况。连续纳入接受GLP-1 RAs治疗并计划在全身麻醉下接受择期手术的成年患者(≥18岁),以尽量减少选择偏倚。预设排除标准包括既往胃或食管手术史、已知胃轻瘫、严重胃食管反流病、急诊手术、妊娠以及无法提供知情同意。暴露(未分配干预):本研究不分配或修改GLP-1 RA治疗。距末次GLP-1 RA给药的时间将以天为单位,通过患者报告和医疗记录进行记录,并分别作为连续变量和预设分类(≤3天、4-7天、≥8天)进行分析。可能会收集GLP-1 RA制剂信息(每周一次 vs 每日一次)和剂量等效性信息,用于敏感性分析。将记录 fasting duration 和手术类型等潜在混杂因素。
胃超声操作:将在麻醉诱导前立即由经过培训的顾问麻醉医师按照标准化方案进行床旁胃超声检查。将在仰卧位和右侧卧位下评估胃窦。将记录胃内容的定性评估,并使用胃窦横截面积的定量测量来估计胃容量。结局指标:主要结局是按体重标准化的估计胃容量(mL/kg)。次要结局包括高风险胃的存在,其定义依据预设的胃容量标准和超声定性发现。额外的探索性分析将评估体重指数是否改变停止进食间隔与胃容量之间的关联,以及患者报告的胃肠道症状是否与超声发现相关。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。




