GLP-1受体激动剂对胃排空的影响
该数据集来自clinicaltrials.gov,围绕GLP-1受体激动剂对胃排空的影响,涉及胃排空、间歇性禁食、麻醉术中并发症及胃内容物呼吸误吸等主题

基本信息
资源简介
GLP-1受体激动剂对胃排空的影响
该数据集来自clinicaltrials.gov,围绕GLP-1受体激动剂对胃排空的影响,涉及胃排空、间歇性禁食、麻醉术中并发症及胃内容物呼吸误吸等主题。源站描述指出糖尿病是全球健康问题,预计2050年全球糖尿病患者将超过13.1亿,美国患病率约21%;GLP-1受体激动剂用于2型糖尿病和肥胖管理。数据可用于研究GLP-1受体激动剂与胃排空及围术期误吸风险的关系(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:胃排空、胰高血糖素样肽-1受体激动剂、间歇性禁食、麻醉引起的术中并发症、胃内容物呼吸误吸。糖尿病是一个全球健康问题。它是全球死亡和残疾的主要原因。预计到2050年,全球将有超过13.1亿人患有糖尿病。同样,在美国,预计到2050年糖尿病总患病率将约占美国人口的21%。胰高血糖素样肽-1受体激动剂(GLP-1 RA),也称为肠促胰岛素模拟物或GLP-1类似物,构成一类用于管理2型糖尿病以及肥胖的药物。胰高血糖素样肽-1(GLP-1)和葡萄糖依赖性促胰岛素多肽(GIP)是被称为肠促胰岛素激素的激素。GIP激素在刺激胰岛素释放中发挥作用
【主题与分类】
主题标签:Gastric Emptying、Intermittent Fasting。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07140289
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/NCT07140289
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:胃排空、胰高血糖素样肽-1受体激动剂、间歇性禁食、麻醉导致的术中并发症、胃内容物呼吸性吸入。糖尿病是一个全球性健康问题,是全世界死亡和残疾的主要原因。预计到2050年,全球将有超过13.1亿人患有糖尿病。同样,预计到2050年,美国糖尿病的总患病率将约占美国人口的21%。胰高血糖素样肽-1受体激动剂(GLP-1 RA),又称肠促胰岛素类似物或GLP-1类似物,是一类用于治疗2型糖尿病和肥胖症的药物。胰高血糖素样肽-1(GLP-1)和葡萄糖依赖性促胰岛素多肽(GIP)是被称为肠促胰岛素的激素。GIP激素在摄入葡萄糖后刺激胰岛素释放方面发挥作用,这被称为肠促胰岛素效应。然而,在2型糖尿病患者中,这一过程可能减弱或缺失。药理水平的GLP-1有助于恢复2型糖尿病患者的胰岛素分泌。
采用这种方法治疗2型糖尿病的优势包括减缓胃排空以及在血糖水平较高时抑制胰腺α细胞产生胰高血糖素。此外,GLP-1受体激动剂具有减少胰腺β细胞(负责产生胰岛素的细胞)死亡并促进其生长的潜力。近期文献对GLP-1受体激动剂诱导的胃排空延迟可能增加全身麻醉和深度镇静期间胃内容物反流和误吸风险提出了担忧。“高风险胃”一词是指具有较高肺误吸风险的胃内容量,通常定义为液体内容物超过1.5 ml/kg或存在固体物质,正如文献中常见描述。胃超声已被用作评估胃内容和胃容量的重要工具。通过超声测量胃窦横截面积并结合亚
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。




