PRIME 脓毒症试验:急诊科使用 Presepsin 和未成熟粒细胞进行早期脓毒症检测
该数据集来自 clinicaltrials.gov 的 PRIME 脓毒症试验,聚焦急诊科场景下使用 Presepsin 和未成熟粒细胞进行脓毒症早期检测

基本信息
资源简介
PRIME 脓毒症试验:急诊科使用 Presepsin 和未成熟粒细胞进行早期脓毒症检测
该数据集来自 clinicaltrials.gov 的 PRIME 脓毒症试验,聚焦急诊科场景下使用 Presepsin 和未成熟粒细胞进行脓毒症早期检测。源站描述指出脓毒症由感染引发的宿主炎症反应失调所致,可进展为多器官功能障碍综合征甚至死亡,全球年发病约 1800 万至 3150 万例,死亡率高达 30%,约 70% 患者首诊于急诊科。延迟识别与治疗与不良预后相关,而早期识别仍是临床难题。数据可用于脓毒症与脓毒性休克的早期识别与风险分层研究(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、脓毒性休克。脓毒症的特征是宿主对感染产生的炎症反应失调,可能导致多器官功能障碍综合征(MODS)和死亡。全球脓毒症估计年发病率为 1800 万至 3150 万例,死亡率高达 30%。约 70% 的脓毒症患者最初在急诊科(ED)接受治疗。尽管延迟识别和治疗与较差预后相关,且早期循证干预可显著提高生存率,但在急诊科早期识别脓毒症仍是一项艰巨的临床挑战。尽管迫切需要及时干预,但研究表明,感染的检测往往在入院后延迟超过 4 小时,在约 30% 的急诊科病例中延迟超过 8 小时。多种生物标志物已被 prop
【主题与分类】
主题标签:Sepsis、Septic Shock。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/NCT07822412
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/NCT07822412
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、脓毒性休克。脓毒症的特征是宿主对感染产生的炎症反应失调,可能导致多器官功能障碍综合征(MODS)和死亡。全球范围内,脓毒症的年估计发病率为1800万至3150万例,死亡率高达30%。约70%的脓毒症患者最初在急诊科(ED)接受治疗。尽管延迟识别和治疗与较差预后相关,且早期循证干预可显著提高生存率,但在急诊科早期识别脓毒症仍是一项艰巨的临床挑战。尽管迫切需要及时干预,但研究表明,感染的检测往往在入院后延迟超过4小时,而在约30%的急诊科病例中延迟超过8小时。已提出多种生物标志物以促进及时诊断、风险分层和启动适当治疗。全血细胞计数(CBC)参数因其周转时间快、成本低和可重复性好,在急诊科尤为有利。
传统上,白细胞(WBC)计数和未成熟粒细胞(IG)计数一直作为一线指标。先进的血液学技术如今可提供详细的形态学数据(如细胞体积和结构变化),有望增强这些参数的诊断价值。尽管IG已被认为是全身性炎症和脓毒症的标志物,但其临床效用仍存在持续争议。具体而言,一些研究表明其对28天死亡率等长期结局的预测价值有限,导致在单独用于脓毒症检测时,其诊断可靠性结论不一致。近期针对IG用于急诊科脓毒症诊断的研究报告,受试者工作特征曲线下面积(AUC)范围为0.52至0.93。这种显著差异可能归因于
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。




