骨科手术部位感染:患病率、细菌病因与抗菌药物耐药性
该数据集来自 search.dataone.org,聚焦骨科手术部位感染(SSI),涵盖创伤手术后一个月内 SSI 的患病率、致病细菌的细菌学特征及抗菌药物耐药性

基本信息
资源简介
骨科手术部位感染:患病率、细菌病因与抗菌药物耐药性
Orthopaedic surgical site infections: Prevalence, bacterial etiology, and antimicrobial resistance
该数据集来自 search.dataone.org,聚焦骨科手术部位感染(SSI),涵盖创伤手术后一个月内 SSI 的患病率、致病细菌的细菌学特征及抗菌药物耐药性。数据涉及在 National Trauma Center 微生物科进行需氧细菌培养与药敏试验的骨科术后 SSI 患者(清洁或清洁-污染伤口),时间跨度为 2020 年起三年。可用于分析 SSI 的细菌病因分布、耐药模式及多重抗生素耐药指数,支持感染性疾病与抗菌药物耐药相关研究(来源 DataONE)。
【数据内容】
源站描述(机器翻译,仅供参考):背景:手术部位感染(SSIs)是第二令人担忧的术后医院获得性感染,由于预防性抗生素使用的实践,在多重耐药(MDR)细菌的出现中发挥重要作用。即使在最先进的医院,SSIs 也变得越来越常见,但关于细菌学特征和抗菌药物耐药性的文献有限。这项横断面研究评估了创伤手术患者术后一个月内骨科 SSIs 的患病率,并与引起 SSIs 的细菌的抗生素耐药性相关联。方法:骨科患者术后 SSI(清洁或清洁-污染伤口)的人口统计学和手术记录,在 National Trauma Center 微生物科进行检查,在三年内(2020-2)进行需氧细菌培养和药敏试验。
【主题与分类】
主题标签:Bacteria、Antimicrobial resistance、surgical site infection、Nepal、orthopaedic、multiple antibiotic resistance index。本站分类:感染性疾病。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3Aa20458509da914d4c7559fa011642dff328eefcd59b36f4d44d56f2401f0d0e1
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。
使用方式
数据集获取
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
背景:手术部位感染(SSI)是第二大可怖的术后医院获得性感染,由于预防性抗生素使用的实践,其在多重耐药(MDR)细菌的出现中起着重要作用。即使在最先进的医院,SSI也日益常见,但关于其细菌学特征和抗菌药物耐药性的文献有限。本横断面研究评估了创伤手术患者术后一个月内骨科SSI的患病率,并分析其与引起SSI细菌的抗生素耐药性的相关性。方法:对在国立创伤中心微生物学系接受检查的术后SSI(清洁或清洁-污染伤口)骨科患者的人口统计学和手术记录进行分析,这些患者接受了需氧细菌培养和药敏试验,时间跨度为三年(2020-2022年),使用SPSS 17.0版本进行统计分析。
结果:在全部患者(n=1,438)中,448例(中位年龄……,患者相关信息(年龄和性别)及手术相关信息[骨折部位和类型、发生术后感染的时间(天)、伤口类型(清洁、清洁-污染、污染或污秽-污染)、细菌菌株及抗生素敏感性模式]于2023年1月20日至2月27日期间从医院电子数据库中收集。收集的数据于2023年3月6日至3月28日期间进行统计分析评估。使用社会科学统计软件包第17.0版(SPSS Inc.,芝加哥,伊利诺伊州,美国)将Midas导出的数据导入Microsoft Excel 10.0版。在描述性分析中,分类变量采用频数和百分比进行分析。计算了患者年龄和术后感染时间的中位数及四分位距。对于两组,采用独立样本t检验和卡方检验比较关联强度
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。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




