阿片类与大麻暴露对胎儿生长的影响
该数据集来自 clinicaltrials.gov,聚焦妊娠期阿片类与大麻暴露对胎儿生长的影响。源站描述指出,大麻暴露在阿片类暴露妊娠中较为普遍(36-75%),需了解两种暴露对胎儿-胎盘单元发育与健康的潜在叠加效应,以支持用药决策和伤害减少策略设计

基本信息
资源简介
阿片类与大麻暴露对胎儿生长的影响
该数据集来自 clinicaltrials.gov,聚焦妊娠期阿片类与大麻暴露对胎儿生长的影响。源站描述指出,大麻暴露在阿片类暴露妊娠中较为普遍(36-75%),需了解两种暴露对胎儿-胎盘单元发育与健康的潜在叠加效应,以支持用药决策和伤害减少策略设计。数据覆盖妊娠相关、物质使用、胎儿生长迟缓和胎盘疾病等主题,可用于研究妊娠期物质暴露与胎儿生长结局的关联(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:妊娠相关、物质使用、胎儿生长迟缓、胎盘疾病。由于大麻暴露在阿片类暴露妊娠中较为普遍(36-75%),了解这两种同时暴露对胎儿-胎盘单元发育和健康的潜在叠加效应至关重要。这些信息有助于做出知情的用药决策,并可作为设计该患者群体有效伤害减少策略的重要起点。根据我们的专业经验,大多数使用阿片类的妊娠个体有动机进行生活方式调整。戒除大麻可能是这些个体为改善婴儿结局所能做出的现实改变。单独来看,妊娠期阿片类和大麻暴露均与胎儿生长改变相关。阿片类和大麻暴露的程度
【主题与分类】
主题标签:Pregnancy Related、Substance Use、Fetal Growth Retardation、Placenta Diseases。本站分类:内分泌、营养和代谢疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05899101
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/NCT05899101
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:妊娠相关、物质使用、胎儿生长迟缓、胎盘疾病。由于在大阿片类药物暴露的妊娠中,大麻暴露较为普遍(36-75%),因此了解这两种同时暴露对胎儿-胎盘单元发育和健康的潜在叠加效应至关重要。这些信息有助于做出关于大麻使用的知情决策,并可作为设计该患者群体有效减害策略的重要起点。根据我们的专业经验,大多数使用阿片类药物的孕妇有动机改变生活方式。戒除大麻可能是这些人为了改善婴儿结局所能做出的现实改变。单独来看,妊娠期间阿片类药物和大麻暴露均与胎儿生长改变相关。阿片类药物和大麻暴露对胎儿生长轨迹的影响程度尚不清楚。研究者推测,两种物质联合使用对胎盘功能和随后的胎儿生长的影响将比任一物质单独使用更为严重。
阐明这一关系可能有助于制定基于证据的减害策略,重点在于消除阿片类药物暴露妊娠中的大麻使用,以改善胎儿生长。本研究的总体假设是,阿片类药物暴露会损害胎盘生长和功能,对血管发育、营养转运和代谢信号传导产生显著影响,最终影响胎儿生长轨迹。研究者进一步提出,在这些妊娠中极为常见的大麻使用所产生的叠加效应,可能加剧这种胎盘功能障碍。因此,本研究的主要目标是确定阿片类药物暴露妊娠中胎儿生长特征受大麻暴露影响的程度。研究人群将包括从安大略省各地5家产科诊所招募的阿片类药物暴露妊娠者。共将招募546名参与者。
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。




