乌干达出生队列研究

乌干达出生队列研究是一项观察性研究,关注乌干达农村地区参与某项营养、农业、供水与卫生项目的社区中母婴营养与健康状况。数据覆盖出生结局、发育迟缓、消瘦和贫血等主题,比较参与与未参与项目的孕妇健康与营养状况,并评估孕期黄曲霉毒素水平与出生结局的关联

Tufts UniversityTufts University
clinicaltrials
浏览 9
其他Birth OutcomesStuntingWastingAnemia
Uganda Birth Cohort Study

基本信息

模态
其他
创建/更新时间
2026-10-19

资源简介

乌干达出生队列研究

是一项观察性研究,关注乌干达农村地区参与某项营养、农业、供水与卫生项目的社区中母婴营养与健康状况。数据覆盖出生结局、发育迟缓、消瘦和贫血等主题,比较参与与未参与项目的孕妇健康与营养状况,并评估孕期黄曲霉毒素水平与出生结局的关联。该数据可用于研究生计、农业与营养干预对两岁以下儿童及母亲营养状况随时间变化的影响(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:出生结局、发育迟缓、消瘦、贫血。本研究旨在评估生计、农业和营养在改善乌干达农村地区母婴营养与健康方面的作用,这些社区属于一个与本研究无关的 ongoing program 的一部分。本研究的总体目标是了解参与一个提供营养、农业、水、卫生和环境卫生支持的 ongoing program 的效果,以及两岁以下母亲和儿童营养状况随时间的变化。这项观察性研究的具体目标如下:1. 比较参与 Community Connector 项目的社区中孕妇与未参与该项目的孕妇的健康和营养状况 2. 评估孕期黄曲霉毒素水平并检验其与出生结局的关联

【主题与分类】

主题标签:Birth Outcomes、Stunting、Wasting、Anemia。本站分类:血液及造血器官疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT04233944

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT04233944

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:出生结局、发育迟缓、消瘦、贫血。本研究旨在评估生计、农业和营养在改善乌干达农村地区母婴营养与健康方面的作用,研究对象所在社区参与了一项与本研究无关的正在进行中的项目。本研究的总体目标是了解参与一项提供营养、农业、水、个人卫生与环境卫生支持的项目所产生的效果,以及母婴(两岁以下儿童)营养状况随时间的变化。本观察性研究的具体目标如下:1. 比较参与“社区连接者”项目的社区中孕妇的健康与营养状况与未参与该项目者的状况;2. 评估妊娠期黄曲霉毒素水平,并检验其与出生结局及以体重和身长衡量的早期生长发育之间的关联;3. 评估妊娠期环境性肠病,并检验其与出生结局及早期生长发育之间的关联;4.

评估获得覆盖的情况、对信息/讯息的依从性以及对社区联络员项目活动的参与度 5. 确定项目接触的异质性以及家庭和农业生态特征的变异性及其与母婴健康和营养状况的关系

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。

获取专属数据定制方案