舌系带过短与母乳喂养
该数据集来自clinicaltrials.gov,主题为舌系带过短与母乳喂养,属于妊娠、分娩和产褥期分类下的其他类。源站描述显示,这是一项前瞻性观察性队列研究,计划在新生儿出生后72小时内于University Hospital of Guadalajara招募母婴配对,使用TABBY工具评估舌系带

基本信息
资源简介
舌系带过短与母乳喂养
该数据集来自clinicaltrials.gov,主题为舌系带过短与母乳喂养,属于妊娠、分娩和产褥期分类下的其他类。源站描述显示,这是一项前瞻性观察性队列研究,计划在新生儿出生后72小时内于University Hospital of Guadalajara招募母婴配对,使用TABBY工具评估舌系带过短,并按有无舌系带过短分为两组,计划样本量为146对母婴,采用非概率连续抽样。数据可用于研究新生儿舌系带过短与母乳喂养之间的关系(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:舌系带过短、母乳喂养。将开展一项前瞻性观察性队列研究。在新生儿出生后72小时内、于University Hospital of Guadalajara因分娩住院期间招募母婴配对。在出生后72小时内使用TABBY工具评估舌系带过短的存在。根据舌系带过短的存在与否,将新生儿分为两个队列。计划样本量为146对母婴:73名有舌系带过短的新生儿和73名无舌系带过短的新生儿。将采用非概率连续抽样。对于纳入研究的每名有舌系带过短的新生儿,将从随后接受评估、符合纳入标准且父母提供知情同意的新生儿中选择一名无舌系带过短的新生儿。该研究不会分配
【主题与分类】
主题标签:Ankyloglossia、Breastfeeding。本站分类:妊娠、分娩和产褥期。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07757503
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/NCT07757503
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:舌系带过短、母乳喂养。将开展一项前瞻性观察性队列研究。将在新生儿出生后最初72小时内、于瓜达拉哈拉大学医院因分娩住院期间招募母婴配对。将在出生后最初72小时内使用TABBY工具评估舌系带过短的存在情况。将根据舌系带过短的存在与否将新生儿分为两个队列。计划样本量为146对母婴配对:73名患有舌系带过短的新生儿和73名无舌系带过短的新生儿。将采用非概率连续抽样。对于纳入研究的每名患有舌系带过短的新生儿,将从随后接受评估、符合纳入标准且其父母提供知情同意的新生儿中选择一名无舌系带过短的新生儿。本研究不会分配干预措施或改变常规临床照护。舌系带切开术的实施和个体化母乳喂养咨询的提供将取决于临床评估以及负责参与者照护的医疗保健专业人员所作出的决定。
将记录这些操作过程,以分析其与母乳喂养结果之间可能存在的关联。出生后72小时内,将采用TABBY进行舌系带过短的初步评估,并使用LATCH量表评估母乳喂养有效性。母婴配对将在出生后5至15天、30至40天以及4至6个月时进行随访。相关信息将通过临床评估、电子健康记录以及必要时的电话访谈获取。
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。




