自发性细菌性腹膜炎二级预防比较研究
该数据集来自 clinicaltrials.gov，围绕肝硬化伴腹水患者自发性细菌性腹膜炎（SBP）的二级预防开展比较研究
基本信息
资源简介
自发性细菌性腹膜炎二级预防比较研究
该数据集来自 clinicaltrials.gov，围绕肝硬化伴腹水患者自发性细菌性腹膜炎（SBP）的二级预防开展比较研究。研究比较 norfloxacin、nitazoxanide 与 colistin 在预防 SBP 复发方面的效果，并评估其安全性与有效性。数据可用于分析不同药物方案对 SBP 复发及患者医疗结局的影响，支持临床用药选择与预后预测研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：病症：自发性细菌性腹膜炎、肝硬化、腹水。本临床试验的目标是了解 norfloxacin、nitazoxanide 和 colistin 是否可作为肝硬化伴腹水患者自发性细菌性腹膜炎（SBP）的二级预防药物。它还旨在评估这些治疗的安全性和有效性。其主要试图回答的问题是：nitazoxanide 和 colistin 在预防复发性 SBP 方面是否与 norfloxacin 同样有效？参与者在服用 norfloxacin、nitazoxanide 或 colistin 时会经历哪些医疗结局？研究人员将比较 norfloxacin、nitazoxanide 和 colistin，以确定它们在预防肝硬化患者 SBP 复发方面的有效性。参与者将：被随机分配接受每日 400 mg norfloxacin、每日两次 500 mg nitazoxanide，或每日三次 15 ml colistin 糖浆（2.25 M
【主题与分类】
主题标签：Spontaneous Bacterial Peritonitis、Cirrhoses, Liver、Ascites。本站分类：消化系统疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06827756
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/NCT06827756
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：自发性细菌性腹膜炎、肝硬化、肝脏、腹水。本临床试验旨在了解诺氟沙星、硝唑尼特和黏菌素是否可作为肝硬化伴腹水患者自发性细菌性腹膜炎（SBP）的二级预防药物。该试验还旨在评估这些治疗的安全性和有效性。其主要探讨的问题包括：硝唑尼特和黏菌素在预防复发性SBP方面是否与诺氟沙星同样有效？参与者在服用诺氟沙星、硝唑尼特或黏菌素时会出现哪些医疗结局？研究人员将比较诺氟沙星、硝唑尼特和黏菌素，以确定它们在预防肝硬化患者SBP复发方面的有效性。参与者将：被随机分配接受每日400 mg诺氟沙星、每日两次500 mg硝唑尼特，或每日三次15 ml黏菌素糖浆（每日总量2.25 MIU）。在出院时、治疗后2个月和6个月接受定期血液检查和腹水分析。接受副作用和SBP复发的监测。
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。
