军事受训人员耐甲氧西林金黄色葡萄球菌皮肤软组织感染预防研究
该数据集来自 clinicaltrials.gov,聚焦军事受训人员中耐甲氧西林金黄色葡萄球菌(MRSA)皮肤和软组织感染(SSTI)的预防

基本信息
资源简介
军事受训人员耐甲氧西林金黄色葡萄球菌皮肤软组织感染预防研究
该数据集来自 clinicaltrials.gov,聚焦军事受训人员中耐甲氧西林金黄色葡萄球菌(MRSA)皮肤和软组织感染(SSTI)的预防。MRSA SSTI 在人员密集接触的社区环境(如运动队、惩教设施和军事训练设施)中已呈地方性流行,影响士兵参训和训练任务完成。基于卫生的预防项目(如洗手、环境消毒和社区教育)似能遏制 MRSA SSTI 暴发,但需系统评估。本集群随机前瞻性研究将评估卫生干预策略对军事受训人员总体 SSTI 及 MRSA 相关 SSTI 发病率的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Staphylococcus Aureus, MRSA Skin Infections, Staphylococcal Skin Infections. MRSA SSTI 在人员频繁密切接触的聚集性社区环境中已成为地方性流行,例如运动队、惩教设施和军事训练设施。这些感染干扰训练士兵的任务,因为它们损害士兵参与所需活动并成功完成训练项目的能力。基于卫生的预防项目(例如洗手、环境消毒和社区教育)似乎能有效遏制 MRSA SSTI 的暴发,需要被系统评估。这项集群随机前瞻性研究将评估基于卫生的干预策略对军事受训人员总体 SSTI 和 MRSA 相关 SSTI 发病率的影响。研究人群将
【主题与分类】
主题标签:Staphylococcus Aureus、MRSA Skin Infections、Staphylococcal Skin Infections。本站分类:感染性疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01105767
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/NCT01105767
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
疾病:金黄色葡萄球菌、MRSA皮肤感染、葡萄球菌性皮肤感染。MRSA SSTIs已成为人员频繁密切接触的聚集性社区环境中的地方性流行病,如运动队、惩教设施和军事训练设施。这些感染干扰了士兵训练任务,因为它们损害了士兵参与规定活动和成功完成训练计划的能力。基于卫生的预防项目(如洗手、环境消毒和社区教育)似乎能有效遏制MRSA SSTIs的暴发,需要对其进行系统评估。这项整群随机前瞻性研究将评估基于卫生的干预策略对军事受训人员中总体SSTI和MRSA相关SSTI发病率的影响。研究人群将来自六个训练营,每个训练营平均由六个连组成。每个连由四个排组成,每排约50名受训人员。
训练营是本研究中的随机化单位,每个营内的子集群(连队内的排)将在研究开始时接受分配给该营的相同卫生干预措施。在拟议的20个月评估期内,将有五个排周期(每周期约14周)进入和退出训练活动。总体而言,研究人群将包括在20个月期间观察到的约36,000名受训者。六个营中的每一个都将接受入营预防医学简报,并根据美国陆军健康促进与预防医学中心(USACHPPM)和疾病控制与预防中心(CDC)的建议,增加MRSA预防信息。此外,因皮肤和软组织感染(SSTI)寻求医疗服务的受训者将在SSTI诊所接受标准化治疗,应用统一的实践指南。其中四个营还将为受训者和教官接受补充性SSTI教育,包括
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。




