索马里兰女性生殖健康探索研究
该数据集来自clinicaltrials.gov,聚焦索马里兰女性在妊娠、分娩及产后阶段的生殖健康。源站描述涵盖生殖健康、妊娠期糖尿病、妊娠期高血压疾病、避孕与产前保健等主题,指出当地孕产妇及围产期死亡率负担持续偏高,基于人群的妊娠并发症、社会文化对孕产妇健康的影响以及女性生殖健康需求数据有限,现有

基本信息
资源简介
索马里兰女性生殖健康探索研究
该数据集来自clinicaltrials.gov,聚焦索马里兰女性在妊娠、分娩及产后阶段的生殖健康。源站描述涵盖生殖健康、妊娠期糖尿病、妊娠期高血压疾病、避孕与产前保健等主题,指出当地孕产妇及围产期死亡率负担持续偏高,基于人群的妊娠并发症、社会文化对孕产妇健康的影响以及女性生殖健康需求数据有限,现有孕产妇近失(MNM)工具多基于医疗机构,产后避孕措施采纳及干预证据稀缺。研究旨在揭示女性在孕期、分娩和产后经历的身体、文化及心理社会优势与挑战,并考察这些因素如何交互影响妊娠结局及女性实现未来生育的能力(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:生殖健康、妊娠期糖尿病、妊娠期高血压疾病、避孕、产前保健。索马里兰面临持续偏高的孕产妇及围产期死亡率负担,基于人群的妊娠并发症、社会文化对孕产妇健康的影响以及女性在妊娠、分娩和产后连续过程中的生殖健康需求数据有限。现有的孕产妇近失(MNM)工具大多基于医疗机构,产后避孕措施采纳及干预的证据仍然稀缺。为此,本研究的目标是揭示索马里兰女性在妊娠、分娩和产后期间所经历的身体、文化及心理社会优势与挑战;考察这些因素如何交互影响妊娠结局及女性实现未来生育的能力
【主题与分类】
主题标签:Reproductive Health、Gestatiaonl Diabetes Mellitus、Hypertensive Disorders of Pregnancy、Contraception、Antenatal Care。本站分类:内分泌、营养和代谢疾病/糖尿病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07438379
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/NCT07438379
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:生殖健康、妊娠期糖尿病、妊娠期高血压疾病、避孕、产前保健。索马里兰持续面临较高的孕产妇和围产期死亡率负担,基于人群的妊娠并发症数据、社会文化对孕产妇健康的影响数据,以及妇女在妊娠、分娩和产后整个连续过程中的生殖健康需求数据均十分有限。现有的孕产妇近失(MNM)工具大多基于医疗机构,关于产后避孕接受情况和干预措施的证据仍然匮乏。为此,本研究的目标是揭示索马里兰妇女在妊娠、分娩和产后期间所经历的身体、文化和社会心理方面的优势与挑战;考察这些因素如何相互作用以影响妊娠结局及妇女实现未来生殖健康目标的能力;并试点探索如何将这些见解用于指导共同创建符合当地情境的健康材料。
PROMISE研究是一项在索马里兰哈尔格萨开展的基于社区的纵向妊娠队列研究,从随机选取的街道分区招募约800名妊娠不足28周的孕妇。将通过问卷和临床测量在三个时间点(妊娠早期、妊娠晚期和产后)对妇女进行随访。将采用德尔菲法对MNM工具进行本土化调适,并利用该队列检验其效度。队列研究结果将为共同创造过程提供依据,以开发产后避孕咨询材料,并对其可行性、可接受性和初步效果进行试点测试。本方案回应了脆弱和低资源环境中的重大证据缺口,旨在生成具有情境根基的知识和共同创造的干预措施,以加强索马里兰及其他地区的孕产妇健康政策、实践和生殖自主权。
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。




