NICU早产儿胃部细菌定植趋势与决定因素
该数据集来自search.dataone.org,围绕NICU环境下早产儿胃部细菌定植的趋势与决定因素。研究对22名平均胎龄27.7周、平均体重973.2克的早产儿,在出生后第1至4周前瞻性采集胃抽吸物,采用基于16S rRNA的变性梯度凝胶电泳(DGGE)评估菌群,并分析细菌定植与母婴人口学特征及

基本信息
资源简介
NICU早产儿胃部细菌定植趋势与决定因素
Trends and determinants of gastric bacterial colonization of preterm neonates in a NICU setting
该数据集来自search.dataone.org,围绕NICU环境下早产儿胃部细菌定植的趋势与决定因素。研究对22名平均胎龄27.7周、平均体重973.2克的早产儿,在出生后第1至4周前瞻性采集胃抽吸物,采用基于16S rRNA的变性梯度凝胶电泳(DGGE)评估菌群,并分析细菌定植与母婴人口学特征及新生儿临床特征的关系。数据可用于探究早产儿上消化道菌群早期演替规律及其与NEC等临床结局的关联(来源 DataONE,CC0 1.0 Universal (CC0 1.0) Public Domain Dedication 许可)。
【数据内容】
源站描述(机器翻译,仅供参考):背景:新生儿胃肠道(GI)通常被认为无菌,但会迅速从密切接触的环境中获取多样化的微生物群。上消化道中细菌种类的早期获取可能参与结肠微生物群的建立。早产儿上消化道微生物群的分子数据匮乏。方法:前瞻性采集22名平均胎龄27.7周(±2.8)、体重973.2克(±297.9)并入住新生儿重症监护病房的新生儿出生后第1至4周的胃抽吸物。所有样本均采用基于16S rRNA的变性梯度凝胶电泳评估微生物群。分析细菌种类定植及其与母婴人口学特征和新生儿临床特征的关联。结果:拟杆菌属(Bacteroides spp.)在所有四周中均为优势菌种。双歧
【主题与分类】
主题标签:DGGE、preterm neonates、gut flora、Gastric Aspirate、upper GI tract、NEC、NICU。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3Ae8bf8a7dde03d55a50c364c4002490f0ba68e48a71815702811117ead1fcbdcd
使用许可:CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。
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。
使用方式
数据集获取
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
背景:新生儿胃肠道(GI)道被认为是无菌的,但会迅速从其密切接触的环境中获取多样化的微生物群。上消化道中细菌种类的早期获取可能对结肠微生物群的形成发挥作用。关于早产儿上消化道微生物群的分子数据较为缺乏。方法:前瞻性收集了22名入住新生儿重症监护病房的新生儿出生后第1-4周的胃吸出物,其平均胎龄为27.7周(±2.8),体重为973.2克(±297.9)。所有样本均采用基于16S rRNA的变性梯度凝胶电泳评估微生物群。分析了细菌种类的定植及其与母亲和新生儿人口学特征以及新生儿临床特征之间的关联。结果:拟杆菌属(Bacteroides spp.)是所有四周中的优势菌种。与部分……相比,纯母乳喂养者的双歧杆菌属(Bifidobacterium spp.)定植显著更高。
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。




