探索IBD患者粪便钙卫蛋白水平、母婴微生物群、婴儿健康、营养及不良妊娠结局
该数据集来自clinicaltrials.gov,聚焦炎症性肠病(IBD)患者妊娠期相关研究。IBD是慢性胃肠道疾病,常在育龄期发病,约25%的IBD患者在确诊后生育

基本信息
资源简介
探索IBD患者粪便钙卫蛋白水平、母婴微生物群、婴儿健康、营养及不良妊娠结局
该数据集来自clinicaltrials.gov,聚焦炎症性肠病(IBD)患者妊娠期相关研究。IBD是慢性胃肠道疾病,常在育龄期发病,约25%的IBD患者在确诊后生育。研究关注母体肠道微生物组、饮食及母乳成分如何影响婴儿粪便钙卫蛋白(FCP)水平,并识别可指导饮食干预、改善婴儿健康结局的因素。数据可用于分析IBD妊娠对婴儿健康的影响、探索FCP与哮喘、湿疹及IBD等远期风险的关联,以及预测不良妊娠结局(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:IBD(炎症性肠病)、IBD、IBD-炎症性肠病、妊娠。炎症性肠病(IBD)是一种慢性胃肠道疾病,常在生育年龄期间发病,约25%的IBD患者在确诊后生育子女。妊娠期IBD可对婴儿健康产生负面影响,因为IBD患者所生的婴儿往往表现出较高的粪便钙卫蛋白(FCP)水平,这是胃肠道炎症的一种标志物。FCP水平升高与日后患哮喘、湿疹和IBD的风险增加相关。本研究旨在探讨母体肠道微生物组、饮食和母乳成分如何影响婴儿FCP水平,并确定可指导饮食干预以改善婴儿健康结局的因素。具体而言,本研究旨在:(1)确定与婴儿FCP水平升高相关的妊娠相关母体肠道微生物群和饮食因素,(2)确定与高FCP水平相关的婴儿肠道微生物群和饮食因素,(3)验证一种监督机器学习模型,该模型能够利用微生物群和饮食数据预测1岁婴儿的高FCP水平,以及(4)表征患有和不患有IBD的母亲母乳中的人乳寡糖(HMO)组成及其与婴儿肠道微生物群和FCP水平的关联。这项前瞻性研究将评估母体IBD患者(活动期或缓解期疾病)和非IBD对照及其婴儿在妊娠期间和妊娠后的微生物群和饮食习惯变化。参与者将在妊娠期间(第1、第2和早期第3孕期)招募,并将在四个时间点收集数据和样本:第3孕期(第34-35周)、产后2周、产后3个月和产后1年。收集的数据将包括3天饮食回顾、母婴粪便样本(用于微生物群组成和FCP水平)、可选的母乳和乳房皮肤拭子、阴道拭子以及妊娠和婴儿结局。这些数据将被整合到一个机器学习
【主题与分类】
主题标签:IBD (Inflammatory Bowel Disease)、IBD、IBD - Inflammatory Bowel Disease、Pregnancy。本站分类:呼吸系统疾病/哮喘。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07385807
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/NCT07385807
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:IBD(炎症性肠病)、IBD、IBD - 炎症性肠病、妊娠。炎症性肠病(IBD)是一种慢性胃肠道疾病,常在生育年龄期间发病,约有25%的IBD患者在确诊后生育子女。妊娠期IBD可能对婴儿健康产生负面影响,因为IBD患者所生的婴儿往往表现出较高的粪便钙卫蛋白(FCP)水平,这是胃肠道炎症的一个标志物。FCP水平升高与日后患哮喘、湿疹和IBD的风险增加有关。本研究旨在探讨母体肠道微生物组、饮食和母乳成分如何影响婴儿FCP水平,并识别可能指导饮食干预以改善婴儿健康结局的因素。
具体而言,本研究旨在:(1) 识别与婴儿FCP水平升高相关的妊娠期母体肠道微生物群和饮食因素,(2) 确定与高FCP水平相关的婴儿肠道微生物群和饮食因素,(3) 验证一种监督式机器学习模型,该模型能够利用微生物群和饮食数据预测1岁婴儿的高FCP水平,以及(4) 表征患有和不患有IBD的母亲母乳中母乳寡糖(HMO)的组成及其与婴儿肠道微生物群和FCP水平的关联。这项前瞻性研究将评估母体IBD患者(活动期或静止期)和非IBD对照及其婴儿在妊娠期间和产后的微生物群和饮食习惯变化。参与者将在妊娠期间(第1、第2和早第3孕期)招募,并在四个时间点收集数据和样本:第3孕期(第34-35周)、产后2周、产后3个月和产后1年。
收集的数据将包括3天饮食回顾、母婴粪便样本(用于微生物群组成和FCP水平检测)、可选的母乳和乳房皮肤拭子、阴道拭子,以及妊娠和婴儿结局。这些数据将被整合到一个机器学习
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。




