孕期抗生素使用与先天畸形风险
该数据集围绕孕期使用抗生素与先天畸形风险之间的潜在关联,整合了来自美国FDA不良事件报告系统(FAERS)、加拿大警戒不良反应(CVAR)数据库以及中国厦门基于人群的回顾性队列的数据

基本信息
资源简介
孕期抗生素使用与先天畸形风险
该数据集英文名为 Maternal Use of Antibiotics and the Risk of Congenital Malformations,聚焦孕期抗生素暴露与先天畸形风险之间的潜在关联。抗生素在孕期被广泛用于预防或治疗感染,但其对胎儿的安全性始终存在关切。该数据集整合了来自美国FDA不良事件报告系统(FAERS)、加拿大警戒不良反应(CVAR)数据库以及中国厦门基于人群的回顾性队列的数据,并运用多种信号检测方法,识别不同类别抗生素与特定器官系统先天畸形之间的潜在风险信号。数据集主题标签为先天畸形,在站内归入感染性疾病/其他分类,来源站为 clinicaltrials.gov。
【数据集背景】
抗生素在妊娠期被广泛用于预防或治疗感染,然而关于其胎儿安全性的担忧一直存在。该数据集所依托的研究正是围绕这一临床关切展开,旨在探索孕期暴露于不同类别抗生素与先天畸形之间的潜在关联。研究条件为先天畸形(Congenital Malformations),通过整合自发报告数据库与队列研究的数据,识别可能的风险信号,为后续的妊娠用药安全性评估提供线索。
【数据内容】
数据集的核心内容涉及不同抗生素类别与器官系统特异性先天畸形之间的潜在风险信号。研究运用多种信号检测方法对数据进行分析,识别出与不同抗生素类别相关的潜在风险信号。对于呈现阳性信号的抗生素,研究进一步利用妊娠用药队列开展深入分析。数据集的主题标签为先天畸形,整体围绕孕期抗生素暴露与先天畸形风险的关联这一主线组织数据。
【采集与来源】
数据来源包括三类:一是美国食品药品监督管理局不良事件报告系统(FAERS)中的公开报告;二是加拿大警戒不良反应(CVAR)数据库;三是中国厦门基于人群的回顾性队列。源站描述提及,对于显示阳性信号的抗生素,研究进一步利用了妊娠用药队列,但该队列的具体名称与范围在源站描述中未完整给出。
【适用场景】
该数据集适用于孕期用药安全性研究领域,尤其是探讨抗生素暴露与先天畸形风险关联的分析场景。可用于不同抗生素类别与器官系统特异性先天畸形之间风险信号的识别与比较,也可为基于自发报告数据库和队列数据的药物警戒研究提供参考。其整合多国数据来源的特点,适合开展跨数据源的信号检测与验证性分析。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/NCT06770465
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:先天性畸形。抗生素在妊娠期间被广泛用于预防或治疗感染,然而其胎儿安全性仍存在担忧。本研究基于自发报告数据库和队列研究的数据,旨在探讨妊娠期间暴露于各类抗生素与先天性畸形之间的潜在关联。数据收集自美国食品药品监督管理局不良事件报告系统(FAERS)、加拿大警戒不良反应(CVAR)数据库中的公开报告,以及中国厦门的一项基于人群的回顾性队列。通过应用多种信号检测方法,我们识别了不同抗生素类别与特定器官系统先天性畸形之间的潜在风险信号。对于显示阳性信号的抗生素,我们进一步利用厦门的妊娠用药队列,并应用因果推断技术来估计妊娠早期暴露于这些抗生素与先天性畸形相关的校正相对风险。还将进行若干敏感性分析,包括阴性对照和阳性对照分析。
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。




