Alkmaar MLPTI 队列研究:9 年结局
本数据集来自 clinicaltrials.gov,属于 Alkmaar MLPTI 队列研究 9 年结局,主题为神经系统疾病/其他

基本信息
资源简介
Alkmaar MLPTI 队列研究:9 年结局
本数据集来自 clinicaltrials.gov,属于 Alkmaar MLPTI 队列研究 9 年结局,主题为神经系统疾病/其他。源站描述涉及中度晚期早产儿(胎龄 32-36 周)在 6 至 10 岁时 IQ 偏低、行为与注意力问题及学业不良的风险,并指出该年龄段结局研究有限、结论存在争议,需要更多研究;还提及一项近期研究将 6 岁时行为结局受损和 IQ 偏低与 Bayley 量表的注意力和语言评分相关联。数据可用于早产儿发育结局的预测与相关分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:早产、发育迟缓、生长迟缓。摘要 理由:近期研究表明,中度晚期早产儿(MLPTI,胎龄(GA)32-36 周)在 6 至 10 岁时存在 IQ 评分较低、行为与注意力问题以及学业成绩不良的风险。这些关于 6 岁以上结局受损的近期发现,与早期研究提示 MLPTI 的结局与足月儿相当形成对比。然而,由于针对 6 岁以上 MLPTI 的研究数量有限且结果不一,MLPTI 的发育结局仍是一个有争议的话题,需要对此主题开展更多研究。此外,一项近期研究将 6 岁时行为结局受损和 IQ 评分较低与 Bayley 婴幼儿量表的注意力和语言评分相关联。
【主题与分类】
主题标签:Preterm Birth、Developmental Delay、Growth Delay。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05990582
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/NCT05990582
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
疾病:早产、发育迟缓、生长迟缓。摘要 研究依据:近期研究表明,中度至晚期早产儿(MLPTI,胎龄(GA)32-36周)在6至10岁时存在智商评分较低、行为和注意力问题以及学业成绩不佳的风险。这些关于6岁以上不良结局的最新发现与早期研究形成对比,早期研究认为MLPTI的结局与足月儿相当。然而,由于针对6岁以上MLPTI的研究数量有限且结果不一,MLPTI的发育结局仍存在争议,有必要对此课题开展更多研究。此外,一项近期研究将6岁时行为结局受损和智商评分较低与1.5至2岁时进行的贝利婴幼儿发展量表(BSID-III)的注意力和语言评分相关联。然而,这一关系尚未在其他研究中得到证实。
因此,需要开展更多研究来阐明这些筛查方法在早期识别学龄期不良结局方面的预测价值,并探讨更长期的随访是否有助于预防这些问题。目的:评估在西北阿尔克马尔地区出生的MLPTI儿童9岁时的神经发育结局(包括神经认知、运动、语言、行为和学习功能)、生长和患病情况,并将这些结局与性别和年龄匹配的对照组进行比较,对照组由MLPTI儿童的朋友组成,这些朋友为无并发症足月胎龄出生,或为居住在阿尔克马尔地区(< 20公里)的9岁儿童并由GGD邀请在9岁时接种疫苗,或为Noordwest医院员工的9岁儿童且均为足月出生。研究设计:本研究将是一项前瞻性、开放性、非治疗性探索性队列研究,可视为对方案识别号为NL50800.094.14的研究的延续,该研究已实施
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。




