持续性淋巴细胞减少脓毒症NAI研究
该数据集来自 clinicaltrials.gov,聚焦脓毒症合并持续性淋巴细胞减少的重症成人。源站描述指出脓毒症免疫反应呈双相,多数死亡发生于免疫抑制阶段,并与28天死亡率升高及继发感染风险相关

基本信息
资源简介
持续性淋巴细胞减少脓毒症NAI研究
该数据集来自 clinicaltrials.gov,聚焦脓毒症合并持续性淋巴细胞减少的重症成人。源站描述指出脓毒症免疫反应呈双相,多数死亡发生于免疫抑制阶段,并与28天死亡率升高及继发感染风险相关。研究评估IL-15受体激动剂NAI促进NK细胞和CD8+ T细胞增殖与活化、恢复免疫功能的作用,纳入标准为脓毒症诊断72小时内连续两次ALC低于1,000 cells/µL。数据可用于免疫抑制相关研究(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、脓毒性休克、淋巴细胞减少、免疫抑制、危重症。脓毒症的特征是双相免疫反应:初始的高炎症阶段,随后是伴有持续性淋巴细胞减少的长期免疫抑制阶段。大多数脓毒症死亡(>70%)发生在免疫抑制阶段,而非初始的高炎症阶段。这种获得性免疫抑制与28天死亡率显著升高(超过40%)以及继发感染风险显著增加相关。本研究评估NAI——一种IL-15受体激动剂,可促进NK细胞和CD8+ T细胞的增殖与活化——作为恢复伴有持续性淋巴细胞减少(脓毒症诊断72小时内连续两次测量ALC <1,000 cells/µL)的危重症成人脓毒症患者免疫功能的潜在疗法。研究组:* 实验组:
【主题与分类】
主题标签:Sepsis、Septic Shock、Lymphopenia、Immunosuppression、Critical Illness。本站分类:免疫系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07578558
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/NCT07578558
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:脓毒症、脓毒性休克、淋巴细胞减少、免疫抑制、危重症。脓毒症的特征是双相免疫反应:初始的高炎症阶段,随后是伴有持续性淋巴细胞减少的长期免疫抑制阶段。大多数脓毒症死亡(>70%)发生在免疫抑制阶段,而非初始的高炎症阶段。这种获得性免疫抑制与28天死亡率显著升高(超过40%)以及继发感染风险显著增加相关。本研究评估NAI——一种IL-15受体激动剂,可促进NK细胞和CD8+ T细胞的增殖与活化——作为恢复伴有持续性淋巴细胞减少的脓毒症危重症成人患者免疫功能的潜在疗法(在脓毒症诊断后72小时内连续两次测量ALC <1,000个细胞/µL)。
研究组别:* 实验组:在第3天(若绝对淋巴细胞计数<700个细胞/µL,则可早于第3天)、第14天以及因绝对淋巴细胞计数<1,000个细胞/µL需要时在第21天,皮下注射NAI 1.2 mg,并结合机构针对脓毒症的标准治疗 * 对照组:仅接受机构针对脓毒症的标准治疗。标准治疗可包括抗菌药物治疗、液体复苏、血管加压药支持、器官支持以及根据临床指征进行的机械通气。若受试者出现不可接受的毒性、撤回知情同意,或研究者认为继续治疗不再符合受试者的最佳利益,则终止治疗。所有受试者将在首剂研究治疗后的90天内接受随访,以记录迟发性不良事件、再住院或死亡情况。
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。




