烧伤患者皮肤与肠道微生物组失调动态研究
烧伤患者纵向随访 24 个月,在基线(入院后 7 天内)、伤后 3、6、12、24 个月采集样本并进行临床测量;健康对照提供单时间点样本

基本信息
资源简介
烧伤患者皮肤与肠道微生物组失调动态研究
该数据集来自 clinicaltrials.gov 的一项前瞻性观察性队列研究,在 Hallym University Hangang Sacred Heart Hospital 烧伤研究所开展,纳入 660 名参与者(600 名烧伤患者与 60 名健康对照)。烧伤患者纵向随访 24 个月,在基线(入院后 7 天内)、伤后 3、6、12、24 个月采集样本并进行临床测量;健康对照提供单时间点样本。研究旨在刻画烧伤患者皮肤与肠道微生物组的时间变化,并识别微生物组动态、皮肤屏障恢复与全身免疫反应之间的潜在联系,可用于微生物组时序预测与相关因素分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:烧伤、皮肤疾病、微生物组、微生物组失调。这是一项在 Hallym University Hangang Sacred Heart Hospital 烧伤研究所开展的前瞻性观察性队列研究。研究旨在刻画烧伤患者皮肤与肠道微生物组相较于健康对照的时间变化,并识别微生物组动态、皮肤屏障恢复与全身免疫反应之间的潜在联系。共将纳入 660 名参与者,包括 600 名烧伤患者和 60 名健康对照。烧伤患者将纵向随访 24 个月,在基线(入院后 7 天内)、伤后 3 个月、6 个月、12 个月和 24 个月进行样本采集和临床测量。健康对照将提供单时间点样本用于比较。样本采集 皮肤微生物组:拭子将
【主题与分类】
主题标签:Burn Injuries、Skin Disease、Microbiome、Microbiome Dysbiosis。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07209007
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/NCT07209007
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
研究条件:烧伤、皮肤疾病、微生物组、微生物组失调。这是一项在翰林大学汉江圣心医院烧伤研究所开展的前瞻性、观察性队列研究。该研究旨在描述烧伤患者皮肤和肠道微生物组随时间的变化特征,并与健康对照进行比较,同时识别微生物组动态变化、皮肤屏障恢复与全身免疫反应之间的潜在关联。共将纳入660名参与者,包括600名烧伤患者和60名健康对照。烧伤患者将接受为期24个月的纵向随访,在基线(入院后7天内)、伤后3个月、6个月、12个月和24个月进行样本采集和临床测量。健康对照将提供单时间点样本用于比较。样本采集 皮肤微生物组:将从烧伤瘢痕及配对的非烧伤皮肤部位采集拭子。肠道微生物组:将采集粪便样本用于16S核糖体RNA(rRNA)基因测序。
皮肤生理指标测量:将使用标准化仪器(Corneometer®、Tewameter®、Mexameter®、Cutometer®和pH计)测量经表皮水分流失(TEWL)、水合度、红斑、黑色素指数、弹性和pH水平。血液生物标志物:将分析红细胞沉降率(ESR)、C反应蛋白(CRP)、白细胞介素-6(IL-6)及其他全身性炎症标志物。微生物组分析:将使用Illumina测序平台进行DNA提取和16S rRNA基因测序。生物信息学处理将使用微生物生态学定量洞察2(QIIME2)流程进行。微生物代谢通路的功能预测将使用未观测状态群落重建系统发育研究2(PICRUSt2)进行分析。将计算β多样性和α多样性指数,并使用线性判别分析效应量(LEfSe)评估组间分类学差异。临床相关性Micr
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。




