局部抗生素与全身抗生素预防儿童烧伤患者烧伤创面感染的比较

该数据集来自 clinicaltrials.gov,主题为儿童烧伤患者烧伤创面感染的预防。源站描述指出,烧伤创面感染是儿童烧伤患者的重要并发症,可能影响创面愈合与临床结局;局部抗菌药物常用于烧伤创面管理,但全身预防性抗生素的常规使用因抗菌药物耐药、药物不良反应和不必要的抗生素暴露等问题仍存争议

abdul mateenabdul mateen
clinicaltrials
浏览 10
其他分类Burn
Comparison of Topical Antibiotics Versus Systemic Antibiotics in Preventing Burn Wound Infection in Pediatric Burn Patients

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-20

资源简介

局部抗生素与全身抗生素预防儿童烧伤患者烧伤创面感染的比较

该数据集来自 clinicaltrials.gov,主题为儿童烧伤患者烧伤创面感染的预防。源站描述指出,烧伤创面感染是儿童烧伤患者的重要并发症,可能影响创面愈合与临床结局;局部抗菌药物常用于烧伤创面管理,但全身预防性抗生素的常规使用因抗菌药物耐药、药物不良反应和不必要的抗生素暴露等问题仍存争议。该随机对照试验将评估在局部抗生素治疗基础上加用全身预防性抗生素,与单用局部抗生素相比,能否降低儿童烧伤患者烧伤创面感染的发生。符合条件的儿童烧伤患者将被随机分配到两个平行治疗组,第一组仅接受局部抗生素,第二组接受局部抗生素联合全身预防性抗生素(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:烧伤。烧伤创面感染是儿童烧伤患者的重要并发症,可能对创面愈合和临床结局产生不良影响。局部抗菌药物常用于烧伤创面的管理;然而,由于对 antimicrobial resistance、药物不良反应和不必要的抗生素暴露的担忧,常规使用全身预防性抗生素仍存在争议。这项随机对照试验将评估,与单用局部抗生素治疗相比,在局部抗生素治疗基础上加用全身预防性抗生素能否降低儿童烧伤患者烧伤创面感染的发生。符合条件的儿童烧伤患者将被随机分配到两个平行治疗组之一。第一组的参与者将仅接受局部抗生素,而第二组的参与者……

【主题与分类】

主题标签:Burn。本站分类:感染性疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07870239

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

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://clinicaltrials.gov/study/NCT07870239

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:烧伤。烧伤创面感染是儿童烧伤患者的重要并发症,可能对创面愈合和临床结局产生不良影响。局部抗菌药物常用于烧伤创面的处理;然而,由于对耐药性、药物不良反应及不必要抗生素暴露的担忧,常规使用全身预防性抗生素仍存在争议。本随机对照试验将评估在局部抗生素治疗基础上加用全身预防性抗生素,与单用局部抗生素治疗相比,是否能降低儿童烧伤患者烧伤创面感染的发生率。符合条件的儿童烧伤患者将被随机分配至两个平行治疗组之一。第一组参与者仅接受局部抗生素治疗,第二组参与者接受局部抗生素联合全身预防性抗生素治疗。将根据研究预先设定的标准对参与者进行临床监测,以观察烧伤创面感染的发生情况。

本研究的主要目的是比较两个治疗组之间烧伤创面感染的发生率。研究还将评估相关的次要临床结局以及与抗生素策略相关的不良事件。本研究的结果可能有助于为儿童烧伤患者使用全身预防性抗生素提供依据,并促进儿童烧伤创面管理中基于证据的抗生素合理使用。

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。

需要用于商业化训练或医疗器械注册(NMPA/FDA)?

公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。