新加坡β-内酰胺类治疗药物监测数据集

该数据集来自 clinicaltrials.gov,聚焦新加坡β-内酰胺类抗生素的治疗药物监测(TDM)。源站描述指出,常规β-内酰胺给药方案源自健康志愿者,但患者药代动力学存在变异,临床常出现亚optimal水平,且抗菌耐药上升与高剂量需求使问题复杂化

Singapore General HospitalSingapore General Hospital
clinicaltrials
浏览 6
其他Infection, Bacterial
Beta-lactam Therapeutic Drug Monitoring in Singapore

基本信息

模态
其他
创建/更新时间
2026-10-22

资源简介

新加坡β-内酰胺类治疗药物监测数据集

该数据集来自 clinicaltrials.gov,聚焦新加坡β-内酰胺类抗生素的治疗药物监测(TDM)。源站描述指出,常规β-内酰胺给药方案源自健康志愿者,但患者药代动力学存在变异,临床常出现亚optimal水平,且抗菌耐药上升与高剂量需求使问题复杂化。研究旨在评估β-内酰胺TDM的临床可行性与实用性,假设常规给药至少半数患者血药浓度不达标,从而支持TDM的必要性。数据可用于感染性疾病治疗优化、剂量个体化及药代动力学相关研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:细菌感染。尽管广泛使用,源自健康志愿者的常规β-内酰胺给药方案在临床上并非最优,因为患者表现出可变的药代动力学。这一问题因抗菌药物耐药性上升以及需要使用超过许可推荐的高剂量β-内酰胺而进一步复杂化。为优化β-内酰胺治疗,已建议使用治疗药物监测(TDM)进行剂量个体化。然而,β-内酰胺TDM的经验有限,全球实践各异。治疗目标也各不相同,且尚未得到广泛验证。因此,本研究主要旨在确立β-内酰胺TDM的临床可行性和实用性。研究者假设常规β-内酰胺给药将在至少一半患者中产生亚optimal水平,从而证明TDM的必要性。

【主题与分类】

主题标签:Infection, Bacterial。本站分类:感染性疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT04450680

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/NCT04450680

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:细菌感染。尽管广泛使用,但源自健康志愿者的传统β-内酰胺给药方案在临床上并非最优,因为患者表现出多变的药代动力学特征。日益上升的抗菌药物耐药性以及需要使用超出许可推荐剂量的高剂量β-内酰胺类药物,进一步加剧了这一问题。为了优化β-内酰胺治疗,已建议通过治疗药物监测(TDM)实现剂量个体化。然而,β-内酰胺类TDM的经验有限,且全球实践各异。治疗目标也各不相同,且尚未得到广泛验证。因此,本研究主要旨在确立β-内酰胺类TDM的临床可行性和实用性。研究者假设,传统β-内酰胺给药将在至少半数患者中产生次优血药浓度,从而证明有必要进行TDM和剂量个体化以改善临床结局。

次要目的包括将各种治疗靶点与临床结局相关联,以确定适合临床使用的治疗靶点,并表征β-内酰胺类药物的药代动力学特征,推荐本地经验性给药方案。研究者拟对入住SGH的成年患者(≥21岁)开展一项前瞻性队列研究。将在一个给药间隔内采集四份血样,并采用液相色谱-串联质谱法进行检测。感染病药师将向医生报告药物浓度水平及剂量调整建议。

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