中国西南某公立医院痤疮患者分离的痤疮丙酸杆菌抗生素敏感性前瞻性横断面研究
该数据集来自中国西南某公立医院,针对375例痤疮患者面部皮损取样,厌氧培养分离痤疮丙酸杆菌(P. acnes),并对分离株进行四环素、多西环素、克林霉素、红霉素、阿奇霉素和克拉霉素的Epsilometer药敏试验

基本信息
资源简介
中国西南某公立医院痤疮患者分离的痤疮丙酸杆菌抗生素敏感性前瞻性横断面研究
Antibiotic susceptibility of Propionibacterium acnes isolated from patients with acne in a public hospital in Southwest China: prospective cross-sectional study
该数据集来自中国西南某公立医院,针对375例痤疮患者面部皮损取样,厌氧培养分离痤疮丙酸杆菌(P. acnes),并对分离株进行四环素、多西环素、克林霉素、红霉素、阿奇霉素和克拉霉素的Epsilometer药敏试验。共从227例患者中分离出菌株,其中224株(98.7%)对多西环素敏感,220株(96.9%)对四环素敏感。数据可用于分析痤疮丙酸杆菌的抗生素耐药谱,支持临床用药参考和耐药性监测研究(来源 DataONE,CC0 1.0 Universal (CC0 1.0) Public Domain Dedication 许可)。
【数据内容】
源站描述(机器翻译,仅供参考):目的:抗生素几十年来一直被常规用于对抗痤疮丙酸杆菌(P. acnes),但P. acnes的抗生素耐药性正成为一个全球性问题。目前仅有一项相关的中国研究。本研究旨在评估中国西南地区痤疮患者中分离的P. acnes的抗生素敏感性。设计:这是一项前瞻性横断面研究。从375例患者面部的痤疮皮损获取皮肤样本。样本在厌氧培养基中培养以鉴定P. acnes的存在。使用Epsilometer试验对分离的P. acnes进行四环素、多西环素、克林霉素、红霉素、阿奇霉素和克拉霉素的敏感性测试。结果:从227例患者中分离出P. acnes;224株分离株(98.7%)对多西环素敏感,220株(96.9%)对四环素敏感。
【主题与分类】
主题标签:Dermatology、Acne、China。本站分类:感染性疾病。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3A2742d5ea712855afb92cc459fce4d1dfb088d98da7b6fd1ee6a561f75de9967e
使用许可:CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。
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
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
目的 抗生素用于对抗痤疮丙酸杆菌(Propionibacterium acnes,P. acnes)已有数十年历史,但痤疮丙酸杆菌的抗生素耐药性正成为全球性问题。目前仅有1项相关的中文研究。本研究旨在评估中国西南地区痤疮患者分离的痤疮丙酸杆菌的抗生素敏感性。设计 这是一项前瞻性横断面研究。从375例患者面部的痤疮皮损处获取皮肤样本。样本在厌氧培养基中培养以鉴定是否存在痤疮丙酸杆菌。采用E试验对分离出的痤疮丙酸杆菌进行四环素、多西环素、克林霉素、红霉素、阿奇霉素和克拉霉素的敏感性试验。结果 从227例患者中分离出痤疮丙酸杆菌;224株分离菌(98.7%)对多西环素敏感,220株(96.9%)对四环素敏感,其次为克林霉素和克拉霉素,分别有101株(44.5%)和102株(44.93%)分离菌敏感。结…
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。




