利用快速POCT优化STI诊所抗生素处方
该数据集来自clinicaltrials.gov,聚焦法国性健康诊所(CeGIDD)中由沙眼衣原体(CT)和淋病奈瑟菌(NG)引起的性传播感染管理

基本信息
资源简介
利用快速POCT优化STI诊所抗生素处方
该数据集来自clinicaltrials.gov,聚焦法国性健康诊所(CeGIDD)中由沙眼衣原体(CT)和淋病奈瑟菌(NG)引起的性传播感染管理。标准流程依赖实验室PCR检测,周转时间24-72小时,导致频繁经验性使用广谱抗生素,加剧抗生素过度使用和抗菌药物耐药。OPTIMISE研究评估cobas® Liat® CT/NG即时检测(POCT)在CeGIDD场景中的临床影响,假设即时现场分子检测可显著减少抗生素处方。数据可用于研究POCT对STI诊疗和抗生素管理的作用(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:沙眼衣原体感染、淋病奈瑟菌感染、性传播感染、抗菌药物耐药/抗生素过度使用。由沙眼衣原体(CT)和淋病奈瑟菌(NG)引起的性传播感染(STI)在法国呈上升趋势,其中无症状感染占相当比例。性健康诊所(称为CeGIDD)的标准管理依赖实验室PCR检测,周转时间为24-72小时,导致频繁经验性使用抗生素,包括广谱疗法。这种做法助长了抗生素过度使用和抗菌药物耐药的出现。OPTIMISE研究评估在CeGIDD环境中实施cobas® Liat® CT/NG即时检测(POCT)的临床影响。假设是即时现场分子检测能够:显著减少
【主题与分类】
主题标签:Chlamydia Trachomatis Infection、Neisseria Gonorrhoeae Infection、Sexually Transmitted Infections。本站分类:感染性疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07884656
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/NCT07884656
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
条件:沙眼衣原体感染、淋病奈瑟菌感染、性传播感染、抗菌药物耐药/抗生素过度使用。由沙眼衣原体(CT)和淋病奈瑟菌(NG)引起的性传播感染(STIs)在法国呈上升趋势,其中无症状感染占相当大的比例。性健康诊所(称为CeGIDD)的标准管理依赖于实验室PCR检测,周转时间为24-72小时,导致频繁的经验性抗生素处方,包括广谱疗法。这种做法助长了抗生素过度使用和抗菌药物耐药的出现。OPTIMISE研究评估在CeGIDD环境中实施cobas® Liat® CT/NG即时检测(POCT)的临床影响。
假设是,即时、现场分子检测能够实现:显著减少不必要的抗生素处方,尤其是在无症状暴露个体中;对有症状患者进行靶向单药治疗,减少广谱抗生素暴露;通过即时诊断和治疗提高患者满意度和依从性;POCT整合到性健康护理路径中的可行性和可接受性。该研究是一项前瞻性、单臂、双中心干预性RIPH2研究,纳入约700名在里昂平民医院CeGIDD诊所就诊的成年人,就诊原因要么是有症状的性传播感染疑似,要么是近期暴露于CT/NG。结局包括避免的抗生素处方比例、患者和提供者满意度,以及非CT/NG病原体的描述性流行病学。
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。




