氯己定葡萄糖酸盐清洁降低儿童癌症或异基因造血干细胞移植患者中心静脉导管相关血流感染及多重耐药菌获得的影响
评估氯己定葡萄糖酸盐清洁对比对照组减少儿童癌症/移植患者中心静脉导管相关血流感染和多重耐药菌获得的随机III期临床试验数据。
基本信息
资源简介
氯己定葡萄糖酸盐清洁降低儿童癌症或异基因造血干细胞移植患者中心静脉导管相关血流感染及多重耐药菌获得的影响
【数据集背景】
本数据集源站标题为《Impact of Cleansing With Chlorhexidine Gluconate (CHG) on Reducing Central Line Associated Bloodstream Infection (CLABSI) and Acquisition of Multi-drug Resistant Organisms (MDRO) in Children With Cancer or Those Receiving Allogeneic Hematopoietic Cell Transplantation (HCT)》。源站首次发布：2024。
【数据内容】
源站原始描述：This randomized phase III trial studies chlorhexidine gluconate cleansing to see how well it works compared to control cleansing in preventing central line associated bloodstream infection and acquisition of multi-drug resistant organisms in younger patients with cancer or undergoing donor stem cell transplant. Chlorhexidine gluconate may help reduce bloodstream infections and bacterial infections associated with the central line
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://search.vivli.org/doiLanding/studies/PR00010009/isLanding
使用许可：Study data may be accessed by completing a request form at https://vivli.org. It will then be reviewed according to the data contributor’s governance policy, see https://vivli.org/members/ourmembers/ for Vivli member’s review process. If approved, use of the data is governed by the data use agreemen。
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。
暂未开放有偿下载
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://search.vivli.org/doiLanding/studies/PR00010009/isLanding
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:
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
