ABX-CS-006 器械相关感染持续性数据集
每行代表一个器械感染病程中的时间点，字段涵盖宿主模型、器械类型、病原体、抗生素暴露指数、严重度指数、生物膜活性指数及预期值等
基本信息
资源简介
ABX-CS-006 器械相关感染持续性数据集
ABX-CS-006_device_associated_infection_persistence-v0.1 是一个面向器械相关感染病程建模的表格型数据集，源站标题为 ClarusC64/ABX-CS-006_device_associated_infection_persistence-v0.1，托管于 huggingface.co，本站归类为感染性疾病 / 其他。该数据集以时间点为单位组织样本，每一行对应某一器械感染病程系列中的一个观测时点，字段覆盖宿主模型、器械类型、病原体、抗生素暴露、严重度、器械部位负荷、生物膜活性及其预期值等维度，并包含用于标识后续器械移除、持续阳性或耐药分离株的标记。数据规模较小，共 2 个文件，合计约 11.19 KB，采用 CSV 表格与 Python 脚本相结合的形式，便于在本地快速加载与验证。整体上，它适合用于探索器械感染持续性与可预测耐药模式形成之间的关联，尤其是生物膜与耐受性上升在 MIC 变化之前的表现。
【数据集背景】
该数据集的主题是器械相关感染的持续性。源站描述指出，其目的是检测由生物膜驱动、并在 MIC 发生偏移之前出现的感染持续与可预测耐药模式形成。描述中给出的核心模式包括：严重度指数高、抗生素暴露指数高、器械一致性指数下降、负荷持续性相对预期保持高位、生物膜上升相对预期保持高位、耐受性上升相对预期保持高位，随后出现后续器械移除、持续阳性或耐药分离株标记。这些要素共同勾勒出一个以时间序列为骨架、以指数对比为观察窗口的建模场景，关注感染在器械存在条件下为何难以清除，以及耐药性如何在常规药敏指标变化之前逐步积累。
【数据内容】
数据集包含 2 个文件：data/train.csv 与 scorer.py，文件样例同样为这两项。每一行代表一个器械感染病程系列中的一个时间点，属于系列内的时间点观测。必需列涵盖行标识、系列标识、天数、宿主模型、器械类型、病原体、抗生素药物、抗生素暴露指数、严重度指数、器械部位负荷指数、预期负荷指数、负荷持续性相对预期、生物膜活性指数、预期生物膜活性指数等；源站描述在列举生物膜相关字段处截断，后续字段未完整给出。主题标签显示任务类别为表格分类，语言为英文，格式为 CSV，模态包括表格与文本，配套库涉及 datasets、pandas、polars 与 mlcroissant，规模类别为 n<1K。
【采集与来源】
数据来源站为 huggingface.co，源站标题为 ClarusC64/ABX-CS-006_device_associated_infection_persistence-v0.1，发布时间为 2026-02-07。关于原始采集方法、采集机构、采集时间跨度与地理区域，源站未提供。主题标签中的 region 字段为空，亦未给出区域信息。
【适用场景】
依据任务类别与字段构成，该数据集可用于表格分类任务，例如基于时间点特征判断后续是否出现器械移除、持续阳性或耐药分离株标记；也可用于分析严重度、抗生素暴露、器械部位负荷与生物膜活性等指数相对预期值的变化轨迹。由于每行带有系列标识与天数，适合按系列组织的时间点建模与纵向特征构造。具体到临床决策或监管用途，源站未提供相关说明。
【使用方法】
使用时可先下载两个文件，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与编码，确认无误后再批量接入。配套库标签包括 datasets、pandas、polars 与 mlcroissant，可据此选择加载方式；scorer.py 的具体评分逻辑与调用方式，源站未提供详细说明。
【质量与限制】
数据集规模较小，文件合计约 11.19 KB，规模类别为 n<1K，适合快速验证而非大规模训练。源站描述中字段列举存在截断，部分列名未完整呈现，使用前需以实际文件为准。关于标签分布、缺失值情况、数据平衡性与标注质量控制，源站未提供。该数据涉及感染与耐药主题，但源站未提供临床验证或监管认证信息，不应直接用于临床决策。
【引用与许可】
许可为 MIT。引用格式、作者信息与版本变更记录，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-006_device_associated_infection_persistence-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-006_device_associated_infection_persistence-v0.1
数据集大小约 14.9 KB。
仓库文件结构
.gitattributesREADME.mdscorer.py
数据说明
Clarus Invariant, ABX-CS-006_device_associated_infection_persistence-v0.1 [Dataset]. https://huggingface.co/datasets/ClarusC64/ABX-CS-006_device_associated_infection_persistence-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-006_device_associated_infection_persistence-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。
