儿科急诊发热儿童分诊表现与重症生理预测因素

数据集获取

源站：https://clinicaltrials.gov/study/NCT07739004

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

条件：发热、分诊、儿科急诊医学、严重细菌感染、脓毒症。设计：前瞻性、多中心、观察性队列研究。地点：土耳其10个儿科急诊科；Erciyes大学为协调中心。人群：连续纳入0-18岁因发热就诊的儿童（分诊时体温≥38.0°C或既往24小时内有发热史）。排除创伤就诊、择期就诊、分诊数据缺失的记录，以及同一发作72小时内再次就诊者（仅纳入首次就诊）。生理参数记录于标准化分诊表，且不用于改变分诊决策。心率作为连续变量建模，采用基于年龄的z评分（Fleming参考范围），并始终将体温作为协变量纳入，以区分发热相关性与病理性心动过速。样本量：假设严重结局（复合）事件率约为3%，目标纳入约3000名儿童（约90例事件）（每中心3个月内约300例），遵循Riley等（BMJ 2020）标准（目标R2>=0.15，校准斜率>=0.90），并附加EPV>=10规则。

第一个月末进行试点评估，重新计算真实事件发生率。分析：分诊性能以敏感度、特异度、PPV、NPV、LR+和LR-及95%CI进行总结。预先设定的3步混合效应逻辑回归（中心作为随机效应）比较模型1（仅分诊类别）、模型2（+生理参数和体温）和模型3（+测试亚组中的实验室变量）。报告区分度（ROC/AUC、DeLong检验、NRI、IDI）和校准度（校准曲线和斜率、O/E比）。缺失数据通过多重插补（m=20）处理。

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。