晚发型新生儿败血症:病例对照研究
该数据集来自 clinicaltrials.gov,主题为晚发型新生儿败血症(LOS)的病例对照研究,关注炎症指标与血液生物标志物

基本信息
资源简介
晚发型新生儿败血症:病例对照研究
该数据集来自 clinicaltrials.gov,主题为晚发型新生儿败血症(LOS)的病例对照研究,关注炎症指标与血液生物标志物。源站描述指出,LOS 症状常不典型、常用生物标志物诊断效能有限,需结合临床与实验室检查;血培养是抗生素使用前最重要的检测,CRP、PCT 及多种白细胞介素可辅助诊断但受非感染性炎症因素影响。数据可用于探索 LOS 诊断相关的分类建模与生物标志物评估(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:炎症指标、晚发型新生儿败血症。由于症状常不典型且常用生物标志物诊断效能有限,LOS 的早期诊断和检测具有挑战性。因此,有必要对临床和实验室检查结果进行联合评估。虽然初始评估常包括全血细胞计数和炎症标志物等非特异性检测,但最重要的检测是在使用抗生素前进行至少 1 mL 血的血培养。尽管 C 反应蛋白(CRP)、降钙素原(PCT)和多种白细胞介素等急性期反应物被用于支持新生儿败血症的诊断,但它们也会因其他非感染性炎症原因(胎儿缺氧、分娩应激、RDS、MAS、IVH、手术和气胸)而升高。如果能……血清 CRP 可能成为新生儿 LOS 的有用生物标志物。
【主题与分类】
主题标签:Inflammation Indices、Late Onset Neonatal Sepsis。本站分类:血液及造血器官疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07635264
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/NCT07635264
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:炎症指标、晚发型新生儿败血症。由于晚发型败血症(LOS)症状常不典型,且常用生物标志物的诊断效能有限,其早期诊断和检测具有挑战性。因此,有必要对临床和实验室检查结果进行综合评估。虽然初步评估通常包括全血细胞计数和炎症标志物等非特异性检查,但最重要的检查是在使用抗生素前采集至少1 mL血液进行血培养。尽管C反应蛋白(CRP)、降钙素原(PCT)及各种白细胞介素等急性期反应物被用于支持新生儿败血症的诊断,但它们也会因其他非感染性炎症原因(胎儿缺氧、分娩应激、呼吸窘迫综合征、胎粪吸入综合征、脑室内出血、手术及气胸)而升高。如果能证明血清CRP具有可接受的准确度水平,它可能成为诊断新生儿LOS的有用生物标志物。目前,由于缺乏可靠证据为指南或方案的制定提供依据,血清CRP在晚发型感染诊断流程中的作用在很大程度上存在差异。
进一步研究表明,未成熟/总中性粒细胞比值和中性粒细胞绝对值对LOS的预测价值较差。由于产后早期存在年龄特异性、胎龄依赖性及新生儿生理变化,血清PCT水平在细菌感染中的阈值尚无共识。常见的感染实验室标志物,如白细胞计数(WBC)、未成熟中性粒细胞/总中性粒细胞比值(IT比值)、血液学检查(血小板减少)及急性期反应物(CRP、PCT),在检测所有感染新生儿方面均缺乏足够的特异性和敏感性。文献分析表明,尽管进行了广泛研究,目前仍无法基于单一生物标志物确定新生儿败血症的诊断和抗生素治疗。然而,与其寻找新的生物标志物,不如检测两种或多种现有
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。




