中国某三级医院多重耐药菌监测（2017-2026）：去标识记录级检测数据与分析代码
该数据集来自中国某三级医院2017年5月至2026年8月的回顾性队列，包含3,031条记录级多重耐药菌检测数据（57个字段，涵盖病区、病原体、耐药表型、标本、时间戳、感染状态和风险因素），以及1,576个住院发作的结局与发作级风险因素
基本信息
资源简介
中国某三级医院多重耐药菌监测（2017-2026）：去标识记录级检测数据与分析代码
Multidrug-resistant organism surveillance in a Chinese tertiary hospital (2017-2026): de-identified record-level detection data and analysis code
该数据集来自中国某三级医院2017年5月至2026年8月的回顾性队列，包含3,031条记录级多重耐药菌检测数据（57个字段，涵盖病区、病原体、耐药表型、标本、时间戳、感染状态和风险因素），以及1,576个住院发作的结局与发作级风险因素。配套提供数据清洗日志、可复现所有报告数字的Python脚本和变量定义说明。关键结果提示首次检测时为感染（而非定植）与院内死亡独立相关。数据可用于MDRO监测、感染控制评估及竞争风险生存分析建模（来源 DOI 解析，Creative Commons Attribution 4.0 International 许可）。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：中国某三级医院多重耐药菌（MDRO）检测回顾性队列（2017年5月至2026年8月）的去标识监测数据集与完整分析代码。文件包括：01_cleaned_MDRO_surveillance_dataset_record_level.csv（3,031条记录级MDRO检测，57个字段：病区、病原体、耐药表型、标本、时间戳、感染状态、风险因素）；02_episode_level_analysis_dataset.csv（1,576个住院发作，含结局与发作级风险因素）；00_cleaning_log.json（数据清洗审计轨迹）；code/（可复现每个报告数字的Python脚本）；README.md（变量定义、去标识声明、运行顺序与关键结果）。关键结果：首次MDRO检测时为感染（相对于定植）与院内死亡独立相关（校正Fine-Gray亚分布风险比2.62，95% C
【主题与分类】
主题标签：multidrug-resistant organisms、antimicrobial resistance、hospital surveillance、infection control、competing risks、hospital epidemiology。本站分类：消化系统疾病。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.23856874
使用许可：Creative Commons Attribution 4.0 International。
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://doi.org/10.5281/zenodo.23856874
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:
数据集大小约 347.0 KB。
数据说明
中国某三级医院多重耐药菌（MDRO）检出回顾性队列（2017年5月—2026年8月）的去标识化监测数据集及完整分析代码。文件包括：01_cleaned_MDRO_surveillance_dataset_record_level.csv（3,031条记录级MDRO检出，57个字段：病房、病原体、耐药表型、标本、时间戳、感染状态、危险因素）；02_episode_level_analysis_dataset.csv（1,576次住院发作，含结局及发作级危险因素）；00_cleaning_log.json（数据清洗审计轨迹）；code/（可复现所有报告数值的Python脚本）；README.md（变量定义、去标识化声明、运行顺序及主要结果）。主要结果：首次MDRO检出时为感染（相对于定植）与院内死亡独立相关（校正Fine-Gray亚分布风险比2.62，95% CI 1.45-4.75，P = 0.001；病因特异性HR 2.23；logistic OR 2.72），粗估计值的衰减归因于ICU校正。
生态学分析涵盖2020年5月至2026年8月连续监测窗口（76个月）内的多样性、年际更替和季节性；病房级共检出网络为描述性分析。隐私保护：所有标识符均替换为按顺序分配的研究编码（patient_no、episode_id、specimen_no、record_id）；数据集不包含姓名、国家/医院ID号、联系方式或自由文本标识符。源系统中的中文分类标签已翻译为英文。软件：Python 3.8.1，配合numpy、pandas、scipy和matplotlib；lifelines包仅用于独立交叉验证。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
