肠衰竭手术后手术部位感染的细菌学研究

该数据集来自 clinicaltrials.gov,为一项前瞻性观察研究,聚焦肠衰竭患者接受计划手术后的手术部位感染问题

London North West Healthcare NHS TrustLondon North West Healthcare NHS Trust
clinicaltrials
浏览 5
表格预测Surgical Wound InfectionSurgical Site InfectionBacteria Infection MechanismIntestinal DiseaseIntestinal Fistula
Bacteriology of sUrGical Site INfection Following Surgery for Intestinal Failure

基本信息

模态
表格
任务类型
预测
创建/更新时间
2026-10-17

资源简介

肠衰竭手术后手术部位感染的细菌学研究

该数据集来自 clinicaltrials.gov,为一项前瞻性观察研究,聚焦肠衰竭患者接受计划手术后的手术部位感染问题。研究覆盖手术伤口感染、手术部位感染、细菌感染机制、肠道疾病及肠瘘等主题,旨在前瞻性描述患者术前细菌群落特征,分析术前细菌学与手术部位感染的关系,并探讨手术及手术部位感染对通用与伤口特异性生活质量指标的影响。数据可用于感染风险预测、术前菌群与术后结局关联分析及生活质量影响研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):状况:手术伤口感染、手术部位感染、细菌感染机制、肠道疾病、肠瘘。这是一项针对接受计划性肠衰竭手术患者的前瞻性观察研究。研究目的为: 前瞻性描述接受肠衰竭手术患者的术前细菌群落特征 检查该患者群体中术前细菌学与手术部位感染(SSI)之间的关系 * 调查手术及手术部位感染对通用和伤口特异性生活质量指标的影响

【主题与分类】

主题标签:Surgical Wound Infection、Surgical Site Infection、Bacteria Infection Mechanism、Intestinal Disease、Intestinal Fistula。本站分类:感染性疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT05234515

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/NCT05234515

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:手术伤口感染、手术部位感染、细菌感染机制、肠道疾病、肠瘘。这是一项针对因肠衰竭接受择期手术患者的前瞻性观察性研究。研究目的如下:* 前瞻性描述因肠衰竭接受手术患者的术前细菌群落特征 * 考察该患者群体中术前细菌学与手术部位感染(SSI)之间的关系 * 探讨手术及手术部位感染对通用及伤口特异性生活质量指标的影响

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