2型糖尿病患者术前胃容积与高危胃内容物
条件:2型糖尿病(DM)、胃超声。这是一项单中心、前瞻性观察性研究,纳入拟行择期手术的成人2型糖尿病患者。手术当天,参与者将在术前准备区接受评估,评估在麻醉诱导前及给予镇静性术前用药前进行

基本信息
资源简介
2型糖尿病患者术前胃容积与高危胃内容物
本数据集是 clinicaltrials.gov 公开数据集,主题涵盖 Type 2 Diabetes Mellitus (DM)、Gastric Ultrasound。
【数据内容】
源站描述(机器翻译,仅供参考):条件:2型糖尿病(DM)、胃超声。这是一项单中心、前瞻性观察性研究,纳入拟行择期手术的成人2型糖尿病患者。手术当天,参与者将在术前准备区接受评估,评估在麻醉诱导前及给予镇静性术前用药前进行。将记录人口统计学数据、糖尿病病程及治疗、糖尿病相关并发症、合并症、吸烟状况、可能与胃轻瘫相关的症状、禁食时长以及常规可获得的实验室参数。将在胃超声检查前即刻测量毛细血管空腹血糖,并将其作为主要自变量。胃超声检查将由一名经过培训且经验丰富的研究者使用低频凸阵探头进行。先于仰卧位、再于右侧卧位评估胃窦。胃内容物将分为空、清亮液体或固体内容物。对于清亮液体,还将根据Perlas分级系统进行分类。对于定量评估,将测量胃窦前后径和头尾径,并计算胃窦横截面积。估计胃容量将根据右侧卧位胃窦横截面积计算,并以mL和mL/kg表示。高风险胃的定义为至少存在以下一项发现:胃内固体内容物;仰卧位和右侧卧位均可见清亮液体(Perlas 2级);或估计胃容量大于1.5 mL/kg。本研究不会给予任何实验性治疗或额外有创干预。如果发现具有临床相关性的高风险胃部征象,将告知负责的麻醉团队,后续麻醉管理由临床团队决定。
【主题与分类】
主题标签:Type 2 Diabetes Mellitus (DM)、Gastric Ultrasound。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07842757
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/NCT07842757
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
疾病/状况:2型糖尿病(DM)、胃超声。这是一项单中心、前瞻性观察性研究,纳入拟接受择期手术的成人2型糖尿病患者。手术当日,参与者将在麻醉诱导前及给予镇静性术前用药前,在术前准备区接受评估。将记录人口统计学数据、糖尿病病程与治疗、糖尿病相关并发症、合并症、吸烟状况、可能与胃轻瘫相关的症状、禁食时长,以及常规可获得的实验室参数。将在胃超声检查前立即测量毛细血管空腹血糖,并将其作为主要自变量。胃超声将由一名经过培训且经验丰富的研究者使用低频凸阵探头进行。先于仰卧位评估胃窦,然后于右侧卧位评估。胃内容物将分为空虚、清亮液体或固体内容物。对于清亮液体的检查结果,还将根据Perlas分级系统进行分级。
对于定量评估,将测量胃窦的前后径和头尾径,并计算胃窦横截面积。估计胃容量将根据右侧卧位胃窦横截面积计算,并以 mL 和 mL/kg 表示。高风险胃将定义为至少满足以下一项发现:胃内有固体内容物、仰卧位和右侧卧位均可见清亮液体(Perlas 2级),或估计胃容量大于 1.5 mL/kg。本研究不会实施任何实验性治疗或额外侵入性干预。如果发现具有临床意义的高风险胃部表现,将告知主管麻醉团队,后续麻醉管理将由临床团队决定。
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。




