智利母婴队列研究II(CHiMINCs-II)
CHiMINCs-II 是智利母婴营养观察项目下的持续队列,招募了1927名公共卫生系统受益孕妇及其子代,在孕早期(<15周)入组,随访覆盖孕期(<15、26-28、35-37周)至子代2岁

基本信息
资源简介
智利母婴队列研究II(CHiMINCs-II)
CHiMINCs-II 是智利母婴营养观察项目下的持续队列,招募了1927名公共卫生系统受益孕妇及其子代,在孕早期(<15周)入组,随访覆盖孕期(<15、26-28、35-37周)至子代2岁。队列内嵌套BRECAM乳腺癌风险评估研究和ChiMINCs-COVID研究,BRECAM主要检验孕早期母体代谢指标(胰岛素、血糖、IGF-1、HbAc1)与乳腺密度等结局的关联。数据可用于乳腺癌风险预测、母婴代谢与体成分、营养状况及心理健康相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:乳腺密度、体成分、营养状况、心理健康问题。智利母婴队列研究II(ChiMINCs II)是一个正在进行的队列,属于智利圣地亚哥东南部地区母婴营养观察站的一部分。总共招募了1927名公共卫生系统受益孕妇及其子代,在妊娠12周前入组,并在孕期(<15、26-28和35-37周妊娠)及子代至2岁期间进行随访。目前有两个研究嵌套在ChiMINCs II中:1)母亲乳腺癌风险评估(BRECAM)研究,2)ChiMINCs-COVID研究。BRECAM研究的主要目标是检验孕早期(即<15和26-28周妊娠)母体代谢指标(即胰岛素、葡萄糖、IGF-1和HbAc1浓度)之间的关联
【主题与分类】
主题标签:Breast Density、Body Composition、Nutritional Status、Mental Health Issue。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03920098
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/NCT03920098
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:乳腺密度、身体成分、营养状况、心理健康问题。智利母婴队列研究II(ChiMINCs II)是一项正在进行的队列研究,隶属于智利圣地亚哥东南部地区母婴营养观察站。共招募了1927名公共卫生系统受益孕妇及其子代,招募时间在妊娠12周之前,并在整个孕期(妊娠<15周、26-28周和35-37周)及子代至2岁期间进行随访。目前ChiMINCs II中嵌套了两项研究:1)母亲乳腺癌风险评估(BRECAM)研究,2)ChiMINCs-COVID研究。BRECAM研究的主要目的是检验母亲孕早期(即妊娠<15周和26-28周)代谢指标(即胰岛素、葡萄糖、IGF-1和HbAc1浓度)与停止哺乳后3个月乳腺密度之间的关联。为此,我们收集母亲的产科、生活方式、膳食摄入、人体测量学和生化信息。
ChiMINCs-COVID研究旨在评估COVID-19大流行引发的饮食相关风险与心理健康问题及其对母婴健康和营养的影响。为此,我们在每个孕期阶段收集了关于饮食行为、心理健康及COVID相关信息的详细资料,同时收集了新生儿和婴儿的营养信息。本研究的目的是描述ChiMINCs-II的设计、方法及招募时的描述性信息,并探讨该研究对于更好地理解COVID-19时代母婴营养与健康的意义。
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。




