儿童术前禁食6小时与4小时后胃内容物比较
该数据集来自 clinicaltrials.gov,关注儿童术前禁食时长与胃内容物误吸风险的关系,涉及肺胃内容物误吸这一情形

基本信息
资源简介
儿童术前禁食6小时与4小时后胃内容物比较
该数据集英文名为 Gastric Content After 6 vs 4 Hours of Preoperative Fasting in Children,来源于 clinicaltrials.gov,主题聚焦于儿童术前禁食时长与胃内容物误吸风险之间的关系,涉及肺胃内容物误吸这一临床情形。数据集在分类上归入呼吸系统疾病下的其他类别,主题标签为 Pulmonary Aspiration of Gastric Contents。从源站描述看,其关注的核心问题是:儿童在麻醉与手术前需要禁食一定时间,以降低胃内食物残留被呕吐后进入气管(即误吸)的风险,但长时间禁食也存在血糖下降、机体脱水等不利影响,且低龄儿童承受此类副作用的风险高于成人,因此国际上正在修订术前禁食规则;同时,接受肠内喂养的儿童因通常完全依赖管饲获取营养与液体,被视为特殊风险群体。以下依据可获得的信息对该数据集作分段介绍。
【数据集背景】
儿童术前禁食是围手术期管理中的常见环节,其目的在于减少胃内容物残留,降低麻醉或手术过程中呕吐物进入气管造成误吸的风险。源站描述指出,长时间禁食并非没有代价,可能出现血糖水平下降和身体脱水等不利情况,而低龄儿童相比成人更容易受到这些副作用的影响。正因如此,国际上正在开展工作,对术前禁食的相关规则进行修订。该数据集所对应的主题即处于这一临床争议与管理优化的背景之中,关注禁食时长差异与胃内容物状况之间的联系。此外,接受肠内喂养的儿童被明确视为特殊风险群体,原因在于他们通常完全依赖管饲来获得营养和液体摄入,其禁食管理需要格外审慎。
【数据内容】
源站未提供。可确认的信息仅限于数据集名称所体现的比较框架,即儿童术前禁食6小时与4小时的胃内容物情况,以及其主题标签所指的肺胃内容物误吸。数据集中具体包含哪些变量、样本量、观测指标、时间点与分组细节,源站未提供。
【采集与来源】
该数据集来自 clinicaltrials.gov。源站描述提及其关注的条件为 Pulmonary Aspiration of Gastric Contents,并对儿童术前禁食的必要性、长时间禁食的副作用以及肠内喂养儿童的特殊风险作了说明。关于采集地点、采集时间、采集机构、样本招募方式与具体采集流程,源站未提供。
【适用场景】
依据现有信息,该数据集适用于围绕儿童术前禁食管理的讨论与研究场景,尤其是比较不同禁食时长(6小时与4小时)与胃内容物相关风险的主题。其主题标签指向肺胃内容物误吸,因此可用于与围手术期误吸风险相关的学术梳理与背景参考。对于接受肠内喂养的儿童这一特殊风险群体,该数据集的主题亦具有参考意义。至于具体的建模、统计分析与临床决策支持等用途,源站未提供相应说明。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。需要说明的是,现有信息仅能确认数据集的名称、来源站、分类、主题标签及一段背景性描述,不足以对数据质量、完整性、偏倚控制或使用限制作出判断。
【引用与许可】
源站未提供。
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/NCT05695066
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
情况:胃内容物肺吸入。儿童在麻醉和手术前必须禁食一段时间,以降低食物残留被呕吐并进入气管(即所谓误吸)的风险。但手术前长时间禁食也有缺点,例如血糖水平可能下降,身体可能脱水。幼儿发生此类副作用的风险高于成人,因此国际上正在修订术前禁食规则。接受肠内喂养的儿童是特殊风险群体,因为他们通常完全依赖管饲来获取营养和液体摄入。
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。




