严重烧伤后微生物组变化的临床与免疫学效应监测
该数据集来自 clinicaltrials.gov,聚焦严重烧伤患者肠道微生物组的动态变化及其临床与免疫学效应。源站描述指出,严重烧伤可导致肠道灌注下降、细胞损伤、黏膜通透性增加和肠道运动减弱,促进细菌与内毒素易位,使肠道微生物组成为内源性感染的重要来源

基本信息
资源简介
严重烧伤后微生物组变化的临床与免疫学效应监测
该数据集来自 clinicaltrials.gov,聚焦严重烧伤患者肠道微生物组的动态变化及其临床与免疫学效应。源站描述指出,严重烧伤可导致肠道灌注下降、细胞损伤、黏膜通透性增加和肠道运动减弱,促进细菌与内毒素易位,使肠道微生物组成为内源性感染的重要来源。研究旨在标准营养方案和重症监护管理下,通过连续采集粪便样本纵向监测肠道微生物组变化,并关联炎症反应、脓毒症及多器官衰竭等并发症,可用于探索烧伤后微生物组与免疫及临床结局的关系(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:严重烧伤患者、肠道菌群多样性与组成、炎症反应。严重烧伤引起应激相关的肠道损伤,导致肠道灌注减少、细胞损伤、黏膜通透性增加和肠道运动减弱。这些病理生理变化促进细菌和内毒素易位,使肠道微生物组成为内源性感染的主要来源。近期证据表明,肠道微生物组在调节免疫反应和支持伤后恢复中起关键作用,同时也参与脓毒症和多器官衰竭等并发症的发生。本研究旨在使用粪便样本纵向监测严重烧伤后肠道微生物组的动态变化。在标准营养方案和重症监护管理下,连续采集粪便样本
【主题与分类】
主题标签:Severely Burned Patients、Gut Microbiota Diversity and Composition、Inflammatory Responses。本站分类:内分泌、营养和代谢疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07329595
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/NCT07329595
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:严重烧伤患者、肠道微生物群多样性与组成、炎症反应。严重烧伤可引起应激相关的肠道损伤,导致肠道灌注减少、细胞损伤、黏膜通透性增加及肠道蠕动减弱。这些病理生理变化促进细菌和内毒素易位,使肠道微生物群成为内源性感染的主要来源。近期证据表明,肠道微生物群在调节免疫反应和支持伤后恢复中发挥关键作用,同时也参与脓毒症和多器官衰竭等并发症的发生。本研究旨在利用粪便样本纵向监测严重烧伤后肠道微生物群的动态变化。在标准营养方案和重症监护管理下,进行连续粪便采样,以评估微生物群多样性和组成的变化,以及这些变化对可测量的炎症生物标志物、内分泌、血液学、免疫学及其他器官特异性参数、临床病程和患者结局的间接影响。
临床结局依据死亡率、住院时间、机械通气持续时间、继发感染发生率、菌血症发生率、器官衰竭及其严重程度(采用SOFA评分评估)以及伤口愈合情况进行评估。入组时,患者接受直肠拭子采集和初始粪便采样,随后每周采集粪便样本1至2次,同时除标准治疗外每周进行实验室检查。对于微生物组分析,从粪便样本中提取DNA,随后对16S细菌rRNA操纵子进行PCR扩增。对扩增区域进行测序,并根据序列数据鉴定分类群。计算分类群的相对丰度,并比较单个患者系列样本内及患者之间的α多样性和β多样性指标。
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。




