COVID-19患者细菌与真菌重叠感染风险研究

该数据集来自clinicaltrials.gov,围绕COVID-19患者继发细菌或真菌重叠感染的风险展开。源站描述指出,细菌或真菌感染可能致命,常导致病情加重、需ICU入住、治疗时间延长,并带来额外感染与重叠感染风险,这类感染也称医院获得性继发感染

The University of QueenslandThe University of Queensland
clinicaltrials
浏览 6
其他预测COVID-19
Risks of Bacterial and Fungal Superinfection in Patients With COVID-19

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-22

资源简介

COVID-19患者细菌与真菌重叠感染风险研究

该数据集来自clinicaltrials.gov,围绕COVID-19患者继发细菌或真菌重叠感染的风险展开。源站描述指出,细菌或真菌感染可能致命,常导致病情加重、需ICU入住、治疗时间延长,并带来额外感染与重叠感染风险,这类感染也称医院获得性继发感染。需ICU入住的COVID-19患者继发感染风险更高,且会接受某些可降低免疫反应的药物,这些药物对继发感染发生及康复/生存率的影响尚不明确。该研究评估这些药物对继发感染发生和生存率的影响,数据可用于相关风险预测研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:COVID-19。细菌或真菌感染可能致命。通常,这类感染可导致病情严重程度增加,需要入住重症监护室(ICU)、治疗时间延长,并带来与额外感染和重叠感染相关的进一步风险。这些也称为医院获得性继发感染。感染COVID-19且需要入住ICU的患者发生这些继发感染的风险增加,并接受某些可降低机体免疫反应的药物。在需要这些治疗的COVID-19患者中,尚不清楚这些药物对发生额外感染以及康复/生存率有何影响。本研究正在评估这些药物对COVID-19患者继发感染发生和生存率的影响

【主题与分类】

主题标签:COVID-19。本站分类:免疫系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT05256316

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT05256316

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:COVID-19。细菌或真菌感染可能致命。通常,这类感染可导致病情严重程度增加,需要入住重症监护室(ICU)、治疗时间延长,并带来与额外感染和重叠感染相关的进一步风险。这些也称为医院获得性继发感染。感染COVID-19且需要入住ICU的患者发生这些继发感染的风险增加,并接受某些可降低机体免疫反应的药物。对于需要这些治疗的COVID-19患者,尚不清楚这些药物对发生额外感染以及康复/生存率有何影响。本研究正在评估这些药物对入住ICU的COVID-19患者继发感染发生率和生存率的影响。

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。

获取专属数据定制方案