幽门狭窄中的胃管应用研究
该数据集来自 clinicaltrials.gov,聚焦肥厚性幽门狭窄患儿术前使用鼻胃管对呼吸系统并发症的影响。研究为单中心回顾性描述性设计,纳入法国亚眠大学医院2014至2021年因幽门狭窄住院的患儿,比较术前使用与未使用鼻胃管两组在呼吸系统并发症(定义为使用抗生素等)上的差异

基本信息
资源简介
幽门狭窄中的胃管应用研究
Gastric Tube in Pyloric Stenosis 数据集来自 clinicaltrials.gov,聚焦肥厚性幽门狭窄患儿术前使用鼻胃管对呼吸系统并发症的影响。该研究为单中心回顾性描述性设计,纳入法国亚眠大学医院2014至2021年因幽门狭窄住院的患儿,比较术前使用与未使用鼻胃管两组在呼吸系统并发症(定义为使用抗生素等)上的差异。数据集在本站归入呼吸系统疾病 / 其他分类,主题标签为肥厚性幽门狭窄与呼吸系统并发症,可为儿科围手术期胃管管理相关研究提供参考。
【数据集背景】
肥厚性幽门狭窄是小儿外科的常见病症,手术前的内科处理以离子纠正为主。临床实践中常在术前使用鼻胃管,目的是防止胃液吸入,但这一具体用途的获益尚缺乏研究支持;另有研究提示,在幽门狭窄中使用胃管可能延长内科治疗时间。基于这一背景,该研究旨在评估鼻胃管对预防呼吸系统并发症的获益情况。
【数据内容】
数据集围绕因肥厚性幽门狭窄住院的患儿展开,核心内容是比较术前使用鼻胃管与未使用鼻胃管两组患者在呼吸系统并发症上的差异。呼吸系统并发症的操作性定义包括使用抗生素等情形。源站描述在列举该定义时于“or”之后中断,后续具体条目未完整给出。数据集主题标签为肥厚性幽门狭窄与呼吸系统并发症。
【采集与来源】
数据来源站为 clinicaltrials.gov。研究类型为回顾性、单中心、描述性研究,采集地点为法国亚眠大学医院,纳入时间为2014年至2021年,对象为该院因幽门狭窄住院的全部患儿。
【适用场景】
该数据集适用于儿科围手术期管理相关的研究与参考,尤其是肥厚性幽门狭窄患儿术前鼻胃管使用与呼吸系统并发症关系的观察性分析,也可用于了解单中心回顾性描述性研究在这一临床问题上的设计思路。
【使用方法】
源站未提供。
【质量与限制】
研究为单中心、回顾性、描述性设计,样本来自法国亚眠大学医院2014至2021年的住院患儿,结果的外推需考虑单中心与回顾性设计带来的局限。呼吸系统并发症以使用抗生素等作为定义,源站描述中该定义未完整列出。其余质量相关信息源站未提供。
【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/NCT05068622
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:肥厚性幽门狭窄,呼吸系统并发症。幽门狭窄是当前小儿外科的一种疾病。术前内科治疗包括离子纠正。鼻胃管常用于术前防止胃液吸入,但尚无研究探讨其在这一特定用途中的益处。其他研究表明,在幽门狭窄中使用胃管可能会延长内科治疗时间。本研究旨在评估鼻胃管预防呼吸系统并发症的益处。这项回顾性、单中心、描述性研究纳入2014年至2021年间在亚眠大学医院因幽门狭窄住院的所有患者。比较术前使用和未使用鼻胃管的患者,呼吸系统并发症定义为术前使用抗生素、或氧疗、或肺部X线检查发现感染。研究者分析术前数据:呕吐、脱水、离子紊乱纠正时间和疼痛,并记录住院时间。
对住院期间的数据进行了分析,并将注意到以术后会诊为代表的最后一次医疗接触。
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。




