大西南地区新生儿及婴儿胆汁淤积跨区域队列
该数据集来自 clinicaltrials.gov，聚焦大西南地区新生儿及婴儿胆汁淤积的跨区域队列研究。源站描述显示其研究条件为 Cholestasis，研究目标是刻画新生儿及婴儿胆汁淤积的流行病学数据
基本信息
资源简介
大西南地区新生儿及婴儿胆汁淤积跨区域队列
该数据集英文名为 Inter-regional Cohort of Neonatal and Infant Cholestasis in the Greater Southwest Region，来源于 clinicaltrials.gov，聚焦大西南地区新生儿及婴儿胆汁淤积的跨区域队列研究。源站描述显示，其研究条件为 Cholestasis，研究目标是刻画新生儿及婴儿胆汁淤积的流行病学数据。在本站分类中，该数据集归入“妊娠、分娩和产褥期 / 其他”类别，主题标签为 Cholestasis。整体来看，该数据集围绕新生儿和婴儿胆汁淤积这一临床问题，以跨区域队列的形式组织研究信息，可用于了解该地区该疾病的流行病学特征。以下从背景、内容、来源、适用场景、使用方法、质量与限制以及引用与许可等方面进行介绍。
【数据集背景】
新生儿及婴儿胆汁淤积是涉及妊娠、分娩和产褥期相关健康结局的临床问题。该数据集以“大西南地区”为地理范围，以“跨区域队列”为研究组织形式，针对新生儿和婴儿人群中的胆汁淤积开展研究。源站描述明确指出，研究的目标是刻画新生儿及婴儿胆汁淤积的流行病学数据，即通过队列研究的方式描述该疾病在特定区域和目标人群中的分布与特征。该数据集的主题标签为 Cholestasis，本站分类为“妊娠、分娩和产褥期 / 其他”，说明其内容与围产期及婴儿期健康问题相关。
【数据内容】
该数据集的主题标签为 Cholestasis，研究条件为 Cholestasis，研究对象为新生儿及婴儿，研究范围为大西南地区的跨区域队列。源站描述仅说明研究目标是刻画新生儿及婴儿胆汁淤积的流行病学数据，未提供具体的变量字段、样本量、随访时长、统计指标或数据表结构等信息。因此，关于数据内容的具体构成，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述显示其研究条件为 Cholestasis，研究目标为刻画新生儿及婴儿胆汁淤积的流行病学数据。关于采集方式、采集时间、采集机构、伦理审批及数据更新频率等具体信息，源站未提供。
【适用场景】
基于现有信息，该数据集适用于关注新生儿及婴儿胆汁淤积流行病学特征的研究场景，也可用于了解大西南地区该疾病跨区域队列研究的基本情况。由于本站分类为“妊娠、分娩和产褥期 / 其他”，其内容可能与围产期健康研究相关。关于更具体的适用场景，如临床决策支持、政策制定或药物研发等，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据获取方式、访问权限、数据格式及分析建议等。
【质量与限制】
该数据集为跨区域队列研究，目标人群为新生儿及婴儿，研究条件为 Cholestasis。关于数据质量、完整性、偏倚控制及样本代表性等具体信息，源站未提供。使用时应注意其研究范围限定于大西南地区及新生儿和婴儿人群，相关结论不宜直接外推至其他地区或年龄人群。
【引用与许可】
源站未提供该数据集的引用格式及许可信息。
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/NCT02767648
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：胆汁淤积。本研究旨在描述新生儿和婴儿胆汁淤积的流行病学数据特征。
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。
