辅助生殖技术参数与围产结局的关联研究
该数据集来自 clinicaltrials.gov,为多中心前瞻性队列研究,聚焦辅助生殖技术(ART)参数与围产结局的关联

基本信息
资源简介
辅助生殖技术参数与围产结局的关联研究
该数据集来自 clinicaltrials.gov,为多中心前瞻性队列研究,聚焦辅助生殖技术(ART)参数与围产结局的关联。覆盖胎儿生长受限、子痫前期、死产、前置胎盘、血管前置、小于胎龄儿等结局,并纳入胎盘/脐带异常作为潜在中介。数据可用于在调整母亲年龄、BMI、产次和吸烟等混杂因素后,分析ART参数对围产结局的预测作用及机制探索(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):状况:胎儿生长受限(FGR)、子痫前期、死产、前置胎盘、血管前置、小于胎龄儿(SGA)。理由:在这项多中心前瞻性队列研究中,我们的主要目的是在调整母亲年龄、BMI、产次和吸烟等关键混杂因素后,确定各种辅助生殖技术(ART)参数与围产结局的关联。我们的主要结局将是小于胎龄儿、胎儿生长受限、子痫前期和死产。此外,研究者将检查ART与一系列胎盘/脐带异常——如前置胎盘、血管前置、单脐动脉和异常脐带插入——之间的关联,并探索这些结构异常如何作为中介发挥作用。总之,这种综合方法旨在阐明连接ART的机制
【主题与分类】
主题标签:Fetal Growth Restriction (FGR)、Preeclampsia、Stillbirth、Placenta Previa、Vasa Previa、Small for Gestational Age (SGA)。本站分类:感染性疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06918236
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
源站:https://clinicaltrials.gov/study/NCT06918236
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:胎儿生长受限(FGR)、子痫前期、死产、前置胎盘、血管前置、小于胎龄儿(SGA)。理由:在这项多中心前瞻性队列研究中,我们的主要目的是在调整母亲年龄、BMI、产次和吸烟等关键混杂因素后,确定各种辅助生殖技术(ART)参数与围产结局的关联。我们的主要结局将是小于胎龄儿、胎儿生长受限、子痫前期和死产。此外,研究者将检查ART与一系列胎盘/脐带异常——如前置胎盘、血管前置、单脐动脉和异常脐带插入——之间的关联,并探讨这些结构异常如何作为中介因素发挥作用。总之,这种综合方法旨在阐明ART与不良产科结局相关的机制,并最终为考虑ART的夫妇改进临床护理和咨询提供依据。
目标:主要目标:评估ART参数与一系列不良围产期结局之间的关联,分别在单胎妊娠和多胎妊娠中进行分析,并将其作为不同人群进行研究。ART妊娠将作为一个整体队列进行考察,同时也在按特定ART技术和治疗方案分层的亚组中进行考察。我们正在研究的主要结局:* 小于胎龄儿,定义为低于第10百分位。* 胎儿生长受限,可为早发型(<32周)或晚发型(>32周),其特征为基于胎儿医学基金会(FMF)胎儿生长曲线图估算的胎儿体重低于第3百分位或低于第10百分位,并伴有异常多普勒检查结果;或基于FMF新生儿生长曲线图的出生体重低于第5百分位。* 子痫前期的发生。* 死产(妊娠22周后发生的宫内死亡,且不能归因于其他原因(即先天性感染、结构缺陷、遗传异常))。次要目标:探讨ART与各种胎盘以及
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。




