马来西亚与中国母婴队列研究
该数据集来自 clinicaltrials.gov,为马来西亚与中国母婴队列研究,聚焦肠道微生态与婴儿健康。源站描述涉及肠道菌群、胃肠道症状、气质、湿疹、哮喘及母乳采集,关注生命早期1000天中分娩方式、喂养实践、膳食摄入与母乳成分等因素对婴儿肠道菌群的影响,并比较两国母婴的菌群谱与母乳成分

基本信息
资源简介
马来西亚与中国母婴队列研究
该数据集来自 clinicaltrials.gov,为马来西亚与中国母婴队列研究,聚焦肠道微生态与婴儿健康。源站描述涉及肠道菌群、胃肠道症状、气质、湿疹、哮喘及母乳采集,关注生命早期1000天中分娩方式、喂养实践、膳食摄入与母乳成分等因素对婴儿肠道菌群的影响,并比较两国母婴的菌群谱与母乳成分。数据可用于探索肠道微生态与婴儿气质、胃肠道疾病、湿疹和哮喘等健康结局的关联研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:肠道菌群、胃肠道症状、气质、湿疹、哮喘、母乳采集。肠道菌群在儿童发育路径中发挥关键作用,尤其是在生命最初1000天。已知多种产前和产后因素会影响婴儿出生后第一年的肠道菌群,包括分娩方式、婴儿喂养实践、膳食摄入和母乳成分。然而,尚无比较马来西亚与中国母亲肠道菌群谱和母乳成分的母婴队列研究。近期研究表明,肠道菌群与婴儿健康相关,包括气质、胃肠道疾病、湿疹和哮喘。然而,关于东南亚儿童肠道微生物组及其菌群变异影响因素的认识仍很有限。认识有所增加
【主题与分类】
主题标签:Gut Microbiota、Gastrointestinal Symptoms、Temperament、Eczema、Asthma、Breast Milk Collection。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/NCT04919265
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/NCT04919265
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:肠道微生物群、胃肠道症状、气质、湿疹、哮喘、母乳采集。肠道微生物群在儿童发育过程中发挥着关键作用,尤其是在生命最初1000天。已知多种产前和产后因素会影响婴儿出生后第一年的肠道微生物群,包括分娩方式、婴儿喂养方式、膳食摄入以及母乳成分。然而,目前尚无比较居住在马来西亚和中国的母亲的肠道微生物群特征与母乳成分的母婴队列研究。近期研究表明,肠道微生物群与婴儿健康相关,包括气质、胃肠道疾病、湿疹和哮喘。然而,关于东南亚儿童肠道微生物组及其肠道微生物变异的 contributing 因素,目前知之甚少。对肠道健康重要性认识的提高有助于确定促进婴儿免疫系统健康发育与功能、胃肠道健康及代谢的产前和产后因素。
本研究是一项前瞻性队列研究,研究对象为妊娠早期孕妇。将在符合条件的孕妇妊娠早期(妊娠8-12周)、妊娠中期(妊娠24周)、妊娠晚期(妊娠34周)以及产后随访婴儿和母亲(分娩后1-5天)、婴儿10-15天、1个月、4个月和12个月时收集数据,共计8次随访,收集母婴生物样本及相关研究数据。将对母亲进行访谈,了解其社会人口学背景以及产前和产后因素信息,如产科史、抗生素/益生菌/益生元/对乙酰氨基酚暴露、孕前BMI、妊娠期体重增加、GDM、体力活动、食品安全、妊娠期吸烟/二手烟暴露、膳食摄入、妊娠期压力、家庭环境、饲养宠物以及产后抑郁。还将对母亲进行访谈,了解其婴儿
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。




