烧伤患者脓毒症生物标志物监测
该数据集来自 clinicaltrials.gov,聚焦烧伤患者的脓毒症生物标志物监测。烧伤患者发生脓毒症风险高,而烧伤创面与反复手术引起的炎症反应与感染反应相似,使 CRP、PCT 等常用实验室指标难以区分感染与非感染性炎症

基本信息
资源简介
烧伤患者脓毒症生物标志物监测
该数据集来自 clinicaltrials.gov,聚焦烧伤患者的脓毒症生物标志物监测。烧伤患者发生脓毒症风险高,而烧伤创面与反复手术引起的炎症反应与感染反应相似,使 CRP、PCT 等常用实验室指标难以区分感染与非感染性炎症。源站描述提及胰腺结石蛋白(PSP)作为一种新兴生物标志物,在危重患者脓毒症早期检测中显示出潜力,既往观察性研究提示 PSP 受无菌性炎症影响较小。该数据可用于脓毒症早期识别与生物标志物相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:脓毒症、烧伤、炎症、烧伤感染。烧伤患者发生脓毒症的风险很高,脓毒症是对感染的一种危及生命的反应,若未及时识别和治疗,可导致器官衰竭和死亡。在这一人群中,早期诊断尤其困难,因为烧伤创面和反复的外科手术会引起与机体对感染的反应非常相似的炎症。用于检测脓毒症的常用实验室检查,如 C 反应蛋白(CRP)和降钙素原(PCT),常因感染和非感染性炎症而升高,使临床医生难以区分两者。胰腺结石蛋白(PSP)是一种新兴生物标志物,在危重患者脓毒症早期检测中显示出前景。既往观察性研究提示,PSP 受无菌性炎症影响较小
【主题与分类】
主题标签:Sepsis、Burn、Inflammation、Burn Infection。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07866521
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/NCT07866521
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:脓毒症、烧伤、炎症、烧伤感染。烧伤患者发生脓毒症的风险很高,脓毒症是机体对感染的一种危及生命的反应,若未能及时识别和治疗,可导致器官衰竭和死亡。在这一人群中,早期诊断尤为困难,因为烧伤创面和反复的外科手术会引起炎症,这种炎症与机体对感染的反应极为相似。用于检测脓毒症的常见实验室检查,如C反应蛋白(CRP)和降钙素原(PCT),往往在感染和非感染性炎症时均会升高,使临床医生难以区分二者。胰石蛋白(PSP)是一种新兴生物标志物,在危重症患者脓毒症的早期检测中显示出前景。既往观察性研究提示,与传统生物标志物相比,PSP受无菌性炎症的影响较小,并可能在患者出现明显的脓毒症临床征象之前即升高。然而,向临床医生提供PSP结果是否会改变临床决策或改善患者结局,目前仍不清楚。
大多数已发表的研究评估的是PSP的诊断性能,而非其对患者管理的影响。本研究是一项前瞻性、随机临床效用试验,旨在评估将连续PSP测量整合到常规烧伤重症监护中是否能改善脓毒症管理。参与者将被随机分配接受标准治疗且治疗临床团队对PSP结果不知情,或接受标准治疗且临床医生可实时获取PSP结果。在干预组中,PSP值将结合临床评估,按照预定义的临床算法进行解读。临床医生对患者管理保留完全决定权,并可在临床适当时推翻算法建议。本研究旨在确定获取PSP结果是否能提高脓毒症识别的及时性,同时减少不必要的
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。




