头孢氨苄与克林霉素治疗疑似CA-MRSA皮肤感染的比较
该数据集来自clinicaltrials.gov,主题为头孢氨苄与克林霉素治疗疑似社区相关性耐甲氧西林金黄色葡萄球菌(CA-MRSA)皮肤感染的比较研究

基本信息
资源简介
头孢氨苄与克林霉素治疗疑似CA-MRSA皮肤感染的比较
该数据集来自clinicaltrials.gov,主题为头孢氨苄与克林霉素治疗疑似社区相关性耐甲氧西林金黄色葡萄球菌(CA-MRSA)皮肤感染的比较研究。覆盖的病症包括葡萄球菌感染、脓肿、葡萄球菌性皮肤感染和毛囊炎。源站描述指出,过去十年CA-MRSA感染显著增加,部分地区报告患病率高达80%,其流行病学证据指向社区内出现新菌株,与医院相关性MRSA(HA-MRSA)在遗传和临床特征上不同,且常对多种抗生素敏感,可在无已知医疗接触风险因素的健康个体中引起深部脓肿。该数据可用于感染性疾病相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:葡萄球菌感染、脓肿、葡萄球菌性皮肤感染、毛囊炎。过去十年间,社区相关性耐甲氧西林金黄色葡萄球菌(CA-MRSA)感染显著增加。全国几乎所有主要地区都报告了该菌感染,部分地区报告的患病率高达80%。流行病学证据指向社区内出现了一种新的MRSA菌株,其独特的遗传和临床特征使其有别于传统的医院相关性MRSA(HA-MRSA)。与HA-MRSA不同,这些CA-MRSA在体外通常对多种抗生素类别(青霉素类和头孢菌素类除外)敏感,并且常在没有任何已知医疗接触风险因素的健康个体中引起严重的深部脓肿。在认识到该疾病之前,许多临床
【主题与分类】
主题标签:Staphylococcal Infection、Abscess、Staphylococcal Skin Infection、Folliculitis。本站分类:感染性疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00352612
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/NCT00352612
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
病症:葡萄球菌感染、脓肿、葡萄球菌皮肤感染、毛囊炎。过去十年间,社区相关性耐甲氧西林金黄色葡萄球菌(CA-MRSA)感染显著增加。全国几乎每个主要地区都报告了该菌株的感染病例,部分地区报告的患病率高达80%。流行病学证据表明,社区中出现了一种新型MRSA菌株,其独特的遗传和临床特征使其有别于传统的医院相关性MRSA(HA-MRSA)。与HA-MRSA不同,这些CA-MRSA在体外通常对多种抗生素类别(青霉素和头孢菌素除外)敏感,并且常在没有任何已知医疗接触风险因素的健康个体中引起严重的深部脓肿。在认识到这种疾病之前,许多临床医生使用青霉素和头孢菌素类抗生素对皮肤脓肿进行经验性治疗,然而,在CA-MRSA感染日益增多的情况下,并未出现广泛的治疗失败。
在我们机构对儿科患者进行的一项为期一年的回顾性研究中,我们发现近50%的CA-MRSA脓肿根据药敏谱接受了“不恰当”的抗生素治疗,但并未出现任何显著的不良后果。许多临床医生现在面临一个困境:是否应将经验性抗生素治疗改为CA-MRSA预期敏感的其他类别;最常见的选择包括克林霉素、甲氧苄啶-磺胺甲噁唑(TMP-SMX)或万古霉素。遗憾的是,这些抗生素各自都存在一些问题,如成本增加、儿科液体制剂口感差、副作用较多,或需要静脉输注。目前,对于疑似CA-MRSA皮肤和软组织感染的最佳经验性抗生素治疗尚不明确。本研究旨在帮助明确抗生素在治疗由CA-MRSA引起的儿科皮肤感染中的作用。我们假设
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。




