高危患者中达托霉素与万古霉素治疗期间肾毒性回顾性分析
该数据集来自 clinicaltrials.gov,聚焦高危患者使用达托霉素与万古霉素治疗期间的肾毒性问题。覆盖感染性心内膜炎、心室辅助装置相关感染、血管假体相关感染、手术部位感染及纵隔炎等感染性疾病

基本信息
资源简介
高危患者中达托霉素与万古霉素治疗期间肾毒性回顾性分析
该数据集来自 clinicaltrials.gov,聚焦高危患者使用达托霉素与万古霉素治疗期间的肾毒性问题。覆盖感染性心内膜炎、心室辅助装置相关感染、血管假体相关感染、手术部位感染及纵隔炎等感染性疾病。源站描述指出急性肾损伤在血管手术后发生率为15%至25%,心脏手术后可达40%,并提及慢性肾病、糖尿病、体外循环、脓毒症及肾毒性药物等风险因素。该数据可用于比较两种抗生素的肾毒性风险、分析急性肾损伤相关因素,并为重症患者用药决策提供参考(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:感染性心内膜炎、心室辅助装置相关感染、血管假体相关感染、手术部位感染、纵隔炎。急性肾损伤(AKI)是血管手术后15%至25%患者中出现的常见并发症,心脏手术后高达40%的患者会发生。AKI严重损害危重患者的短期和长期预后。已确定若干AKI风险因素,包括患者的慢性病理状态如肾衰竭或糖尿病、手术期间血流动力学紊乱相关的急性肾损伤(包括体外循环或脓毒症),以及使用肾毒性药物如某些抗生素、胶体或碘造影剂。因此,强烈建议在ICU患者中避免使用肾毒性药物,以降低AKI发生率或减轻其严重程度。本研究旨在
【主题与分类】
主题标签:Infective Endocarditis、Infection Related to Vascular Prothesis、Surgical Site Infection、Mediastinitis。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03961503
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/NCT03961503
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
病症:感染性心内膜炎、心室辅助装置相关感染、血管假体相关感染、手术部位感染、纵隔炎。急性肾损伤(AKI)是血管外科术后15%至25%患者及心脏外科术后高达40%患者中常见的并发症。AKI严重影响危重患者的短期和长期预后。已确定若干AKI风险因素,包括患者慢性疾病如肾衰竭或糖尿病、手术期间血流动力学障碍相关的急性肾损伤(包括体外循环或脓毒症),以及使用肾毒性药物如某些抗生素、胶体或碘造影剂。因此,强烈建议在ICU患者中避免使用肾毒性药物,以降低AKI发生率或减轻其严重程度。本队列研究旨在评估在心血管ICU患者中,使用达托霉素是否与较低的AKI发生率相关,且疗效与万古霉素相似。
这是一项回顾性观察性研究,采用倾向评分调整以减少选择偏倚,对两种常规治疗中使用的抗菌药物进行比较分析。由于治疗并非随机分配,研究者采用倾向评分法进行主要终点分析。为此,研究者将可能与治疗和结局相关的协变量纳入一个多因素logistic模型,以解释治疗选择。该倾向评分在第二个模型中作为调整协变量纳入多因素分析,以确定与主要终点(7天内AKI)独立相关的因素。主要假设是:在已知AKI高风险人群中,一线抗生素治疗使用达托霉素较万古霉素肾毒性更低,且在临床成功率方面至少具有相似疗效。
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。




