红细胞输注与早产儿并发症的相关性
该数据集来自 clinicaltrials.gov,聚焦红细胞输注与早产儿并发症之间的相关性,涵盖早产儿视网膜病变、支气管肺发育不良、坏死性小肠结肠炎和新生儿脑室内出血等结局

基本信息
资源简介
红细胞输注与早产儿并发症的相关性
该数据集来自 clinicaltrials.gov,聚焦红细胞输注与早产儿并发症之间的相关性,涵盖早产儿视网膜病变、支气管肺发育不良、坏死性小肠结肠炎和新生儿脑室内出血等结局。极低出生体重和超低出生体重早产儿是红细胞输注的主要人群,临床实践中尚缺乏明确的输血指南。数据可用于分析输血与上述并发症的关联,并支持相关风险预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:早产儿视网膜病变(ROP)、支气管肺发育不良(BPD)、坏死性小肠结肠炎、新生儿脑室内出血。早产儿是接受红细胞输注最多的群体。50%至90%的极低出生体重(VLBW)婴儿(小于1500克)以及高达95%的超低出生体重(ELBW)婴儿(小于1000克)在住院期间将接受至少一次红细胞输注。迄今为止,临床实践中尚无针对早产儿输血的明确指南。早产儿特别容易因氧输送受损而遭受组织损伤,并发症与这种组织氧合失衡有关。接受输血的早产儿并发症的病理生理学涉及由器官未成熟和特定效应引起的若干相互关联的机制。
【主题与分类】
主题标签:Retinopathy of Prematurity (ROP)、Bronchopulmonary Dysplasia (BPD)、Enterocolitis, Necrotizing、Intraventricular Hemorrhage Neonatal。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07123948
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/NCT07123948
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:早产儿视网膜病变(ROP)、支气管肺发育不良(BPD)、坏死性小肠结肠炎、新生儿脑室内出血。早产儿是接受红细胞输注最多的群体。50%至90%的极低出生体重(VLBW)婴儿(小于1500克)以及高达95%的超低出生体重(ELBW)婴儿(小于1000克)在住院期间将至少接受一次红细胞输注。迄今为止,临床实践中尚无针对早产儿输血的明确指南。早产儿尤其易受氧输送受损所致组织损伤的影响,而并发症与组织氧合的这种失衡相关。接受输血的早产儿并发症的病理生理学涉及由器官未成熟及输血的特定效应所引起的若干相互关联的机制。过去二十年间,大量科学研究探讨了输注浓缩红细胞的不良反应。
许多研究已将红细胞输注与早产儿早期和晚期并发症的较高风险相关联,例如坏死性小肠结肠炎(NEC)、早产儿视网膜病变(ROP)、支气管肺发育不良(BPD)、脑室内出血(IVH)以及后期神经发育问题。仅有少数研究报告了输注的有益效应。红细胞输注与早产儿的其他合并症可能共同导致神经及神经发育损伤。一些研究证实限制性输血策略可带来更好的神经发育结局,而另一些研究则显示学龄期存在异常的大脑结构和体积。基于既往研究及所获得的不同结果,研究者旨在探讨浓缩红细胞输注、输注次数及输注时年龄与早产儿早期和晚期并发症发生之间的关系。研究者还试图确定输注时血红蛋白水平是否
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。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




