ABX-CS-004 腹腔感染治疗失败数据集
每行代表一个感染病程中的时间点，记录宿主模型、抗生素药物、血浆与脓肿药物浓度及其偏差、脓肿/血浆比值、CRP 实测与预期值等指标，用于识别脓肿穿透失败，即脓肿暴露不再跟随全身暴露且临床炎症未改善的情形
基本信息
资源简介
ABX-CS-004 腹腔感染治疗失败数据集
ABX-CS-004_intra_abdominal_infection_failure-v0.1 是一个面向腹腔感染病程监测的表格型数据集，来源于 huggingface.co，归类于感染性疾病/其他方向。该数据集以时间点为单位组织样本，每一行对应一个腹腔感染病程中的某个观测时点，记录宿主模型、所用抗生素药物、血浆与脓肿两处的药物浓度及其相对预期值的偏差、脓肿与血浆浓度比值、C 反应蛋白实测值与预期值等指标。其核心目标是识别脓肿穿透失败这一情形，即脓肿局部暴露不再跟随全身暴露变化，同时临床炎症指标未见改善。数据集配套训练集、测试集与评分脚本，规模较小，适合以表格分类任务的形式开展建模与验证。
【数据集背景】
该数据集关注的是腹腔感染治疗过程中的脓肿穿透失败问题。在抗感染治疗中，药物需要从血浆进入脓肿局部才能发挥作用；当脓肿局部药物暴露与全身暴露脱节、且炎症反应持续不缓解时，往往提示脓肿未被有效控制，可能需要后续的源控制干预或存在持续性脓肿。数据集的设计意图正是围绕这一临床判断构建可计算的特征组合，包括严重程度、药物暴露水平、脓肿与血浆暴露的一致性、比值相对预期的下降程度、炎症指标相对预期的不应答程度，以及后续源控制或持续性脓肿标记的出现。
【数据内容】
数据集共包含 3 个文件：data/train.csv、data/test.csv 与 scorer.py，合计约 13.36 KB，属于小于 1K 样本的规模级别。训练集与测试集为 CSV 表格，每行代表一个感染病程系列中的单个时间点。字段覆盖行标识、系列标识、天数、宿主模型、抗生素药物、血浆浓度实测值与预期值及其偏差、脓肿浓度实测值与预期值及其偏差、脓肿与血浆比值及其预期值、比值相对预期的下降程度、C 反应蛋白实测值与预期值，以及炎症指标相对预期的不应答程度等。评分脚本用于对模型输出进行评估。数据同时具有表格与文本两种模态属性，主题标签显示其任务类别为表格分类，语言为英文，格式为 CSV。
【采集与来源】
数据集的来源站为 huggingface.co，源站标题为 ClarusC64/ABX-CS-004_intra_abdominal_infection_failure-v0.1，发布时间为 2026-02-07。关于原始数据的采集机构、采集地点、采集时间跨度与患者来源等具体信息，源站未提供。
【适用场景】
该数据集适用于以表格数据为基础的分类建模任务，典型用途是依据单个时间点的药物暴露与炎症指标组合，判别腹腔感染病程中是否存在脓肿穿透失败的风险模式。由于数据以病程系列内的多个时间点组织，也可用于考察同一系列内指标随时间的变化关系。此外，配套的评分脚本可用于模型结果的统一评估，便于开展方法比较与复现实验。
【使用方法】
使用时可先下载全部 3 个文件，按格式分别读取 CSV 表格与 PY 脚本。建议先在小样本上核对字段名称与编码方式，确认数据读取无误后再批量接入训练与评估流程。建模时可将训练集用于拟合，测试集用于验证，并调用评分脚本获得评估结果。数据规模较小，适合快速迭代与原型验证。
【质量与限制】
数据集规模较小，样本量处于小于 1K 的级别，整体文件体积约 13.36 KB，可能限制复杂模型的训练效果与结论的稳健性。数据为英文表格形式，字段涉及较多浓度与比值类指标，使用前需确认各字段的单位与量纲一致性。关于数据是否存在缺失值、类别分布是否均衡、标注质量与临床代表性等信息，源站未提供。
【引用与许可】
该数据集采用 MIT 许可，使用时需遵循相应许可条款。关于具体的引用格式、作者信息与致谢要求，源站未提供。
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
数据集获取与加载（Hugging Face datasets）
# 前置依赖: pip install datasets
from datasets import load_dataset
ds = load_dataset("ClarusC64/ABX-CS-004_intra_abdominal_infection_failure-v0.1")
print(ds) # 查看 splits 与字段结构
# 国内网络可先设镜像: import os; os.environ["HF_ENDPOINT"]="https://hf-mirror.com"
git lfs install && git clone https://hf-mirror.com/datasets/ClarusC64/ABX-CS-004_intra_abdominal_infection_failure-v0.1
数据集大小约 27.4 KB。
仓库文件结构
.gitattributesREADME.mdscorer.py
数据说明
Clarus Invariant (2026). ABX-CS-004_intra_abdominal_infection_failure-v0.1 [Dataset]. https://huggingface.co/datasets/ClarusC64/ABX-CS-004_intra_abdominal_infection_failure-v0.1
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。
完整数据卡：huggingface.co/datasets/ClarusC64/ABX-CS-004_intra_abdominal_infection_failure-v0.1
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。
