比较IV Bezlotoxumab与安慰剂降低需手术暴发性艰难梭菌患者发病率与死亡率的效果
该数据集来自clinicaltrials.gov,主题为比较静脉注射Bezlotoxumab与安慰剂在需手术干预的暴发性艰难梭菌结肠炎患者中降低发病率与死亡率的效果

基本信息
资源简介
比较IV Bezlotoxumab与安慰剂降低需手术暴发性艰难梭菌患者发病率与死亡率的效果
该数据集来自clinicaltrials.gov,主题为比较静脉注射Bezlotoxumab与安慰剂在需手术干预的暴发性艰难梭菌结肠炎患者中降低发病率与死亡率的效果。研究为单中心、前瞻性、随机、双盲、干预性对照试验,纳入确诊初发或复发暴发性艰难梭菌结肠炎且需手术干预的成年患者。采集标准诊疗血样,不额外抽血;若未抽血,将获取血清肌酐、总胆红素和血小板计数以继续SOFA评分评估。数据可用于评估该药物对重症患者预后、发病率与死亡率的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:艰难梭菌结肠炎、梭菌;脓毒症。研究设计:这是一项在单中心进行的干预性、前瞻性、随机、双盲对照试验。将前瞻性收集所有同意参与、诊断为初发或复发暴发性艰难梭菌结肠炎且需要手术干预的患者的数据。收集的数据包括标准诊疗抽血;本试验不计划额外抽血。如果未抽血,研究者计划获取血清肌酐、总胆红素和血小板计数,以便在患者于外科ICU期间继续进行SOFA评分评估。同意将从患者或其合法授权代表处获得。纳入标准为所有年龄超过十八岁、诊断为暴发性艰难梭菌结肠炎且需要手术的患者。
【主题与分类】
主题标签:Clostridia Difficile Colitis、Clostridium; Sepsis。本站分类:循环系统疾病/心力衰竭。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03756454
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/NCT03756454
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
疾病情况:艰难梭菌结肠炎、梭状芽孢杆菌;脓毒症。研究设计:这是一项在单一中心进行的干预性、前瞻性、随机、双盲对照试验。将前瞻性收集所有同意参与、诊断为初发或复发性暴发性艰难梭菌结肠炎且需要手术干预的患者的数据。所收集的数据包括标准诊疗所需的抽血;本试验不计划进行额外的实验室采血。如果未进行实验室检查,研究者计划获取血清肌酐、总胆红素和血小板计数,以便在患者于外科ICU期间继续进行SOFA评分评估。知情同意将从患者或其法定授权代表处获取。纳入标准为所有年龄超过18岁、诊断为暴发性艰难梭菌结肠炎且需要进行手术结肠切除并末端回肠造口的患者。手术干预将由主刀外科医生在初次会诊评估时以及患者住院期间的随访评估中决定。
患者可能因以下情况被排除:怀孕、囚犯/被监禁者、有充血性心力衰竭病史,或在随机化前30天内接受过IVIG,符合排除标准。随机化将按照最佳通用实践指南进行,采用计算机生成的随机化流程和医院研究药房的盲法流程,将患者分配至治疗组(Bezlotoxumab)和安慰剂组(生理盐水)。无论患者被分配至哪个研究组,都将持续接受所有当前的标准治疗。为控制抗生素使用的影响,患者需根据标准治疗抗生素进行分层,并在此变量上保持均衡。我们机构目前针对暴发性艰难梭菌结肠炎的标准治疗包括万古霉素(口服,必要时可加用直肠给药)和静脉注射甲硝唑。暴发性
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。




