提库尔·安贝萨专科医院重症监护病房2023年5月至10月入院患者分离病原体、抗菌药物耐药模式及临床结局:回顾性横断面研究
该数据集来自Tikur Anbessa专科医院(TASH)重症监护室2023年5月至10月的登记簿,为回顾性横断面研究,记录了ICU患者的临床特征、分离出的常见病原体,以及耐药病原体和其他变量与患者死亡率之间的关系

基本信息
资源简介
提库尔·安贝萨专科医院重症监护病房2023年5月至10月入院患者分离病原体、抗菌药物耐药模式及临床结局:回顾性横断面研究
Isolated pathogens, antimicrobial resistance pattern and clinical outcome of patients admitted to Intensive care unit of Tikur Anbessa Specialized Hospital from May 2023 to October 2023: a retrospective cross sectional study
该数据集来自Tikur Anbessa专科医院(TASH)重症监护室2023年5月至10月的登记簿,为回顾性横断面研究,记录了ICU患者的临床特征、分离出的常见病原体,以及耐药病原体和其他变量与患者死亡率之间的关系。数据可用于分析ICU内感染病原体分布、抗菌药物耐药模式及死亡相关预测因素,如高龄、合并症、住院时长、手术干预、血流感染、革兰阴性病原体、多重耐药和碳青霉烯耐药病原体等(来源 DOI 解析)。
【数据集背景】
源站首次发布:2024。
【数据内容】
源站描述(机器翻译,仅供参考):该数据展示了Tikur Anbessa专科医院(TASH)重症监护室患者的临床特征和分离出的常见病原体。它还展示了耐药病原体和其他变量与入院患者死亡率之间的关系。这是从重症监护室(ICU)登记簿中收集的二手数据。最初的假设是,高龄、合并症、住院时长、手术干预、血流感染、革兰阴性病原体、多重耐药和碳青霉烯耐药病原体等因素是ICU内死亡率的预测因素。从该数据集得出的结论是,革兰阴性细菌是TASH ICU中最常见的分离病原体,其中大多数对大多数抗菌药物表现出高度耐药性。血流感染、感染性休克、内科入院和碳青霉烯耐药acineto
【主题与分类】
主题标签:Internal Medicine。本站分类:感染性疾病。
【获取与许可】
源站页面:https://data.mendeley.com/datasets/wdptszntgt
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://doi.org/10.17632/wdptszntgt
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:
数据集大小约 45.6 KB。
数据说明
数据显示了蒂库尔·安贝萨专科医院(TASH)重症监护病房患者的临床特征及常见分离病原体。它还显示了耐药病原体及其他变量与入院患者死亡率之间的关系。这是从重症监护病房(ICU)登记簿中收集的二次数据。最初的假设是,高龄、合并症、住院时间、手术干预、血流感染、革兰阴性病原体、多重耐药和碳青霉烯耐药病原体等因素是ICU内死亡率的预测因素。根据该数据集得出的结论是,革兰阴性菌是TASH ICU中最常见的分离病原体,其中大多数对多数抗菌药物表现出高度耐药性。血流感染、感染性休克、内科入院和碳青霉烯耐药鲍曼不动杆菌感染被确定为ICU内死亡率的预测因素。
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。




