基于P-CABs的铋剂四联疗法根除幽门螺杆菌研究
该数据集来自clinicaltrials.gov，聚焦幽门螺杆菌感染，收录一项多中心队列研究，比较多种基于钾离子竞争性酸阻滞剂（P-CABs）的铋剂四联方案在真实世界中的治疗结局，并分析影响治疗失败的因素
基本信息
资源简介
基于P-CABs的铋剂四联疗法根除幽门螺杆菌研究
该数据集英文名为 P-CABs-based Bismuth Quadruple Therapy for Helicobacter Pylori Eradication，来源于 clinicaltrials.gov，本站归类为感染性疾病 / 其他，主题标签为幽门螺杆菌感染。数据集聚焦幽门螺杆菌感染这一疾病领域，收录一项多中心队列研究，旨在比较多种基于钾离子竞争性酸阻滞剂（P-CABs）的铋剂四联方案在真实世界中的治疗结局，并分析影响治疗失败的因素。研究关注的结局指标包括根除率与不良事件发生率。含铋剂四联疗法被推荐为幽门螺杆菌感染的一线治疗方案，而该数据集所承载的研究进一步在真实世界条件下考察不同 P-CABs 铋剂四联方案的表现，为临床用药选择与治疗失败因素识别提供研究数据支撑。
【数据集背景】
幽门螺杆菌感染是常见的感染性疾病。含铋剂四联疗法被推荐作为幽门螺杆菌感染的一线治疗。钾离子竞争性酸阻滞剂（P-CABs）是一类抑酸药物，以 P-CABs 为基础构建的铋剂四联方案在真实世界中的治疗结局如何、哪些因素会导致治疗失败，是需要通过多中心队列研究加以比较和分析的问题。该数据集即围绕这一研究问题组织，收录相关多中心队列研究的数据。
【数据内容】
该数据集对应的研究为一项多中心队列研究，研究比较多种基于钾离子竞争性酸阻滞剂（P-CABs）的铋剂四联方案在真实世界中的治疗结局，并识别影响治疗失败的因素。研究结局包括根除率与不良事件发生率。数据集主题标签为幽门螺杆菌感染。除上述研究设计与结局指标外，源站未提供更细粒度的数据字段、变量清单或样本量信息。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述显示，其对应研究为一项多中心队列研究，研究条件为幽门螺杆菌感染。关于具体的采集时间范围、采集机构、入组标准与数据采集流程，源站未提供。
【适用场景】
基于现有信息，该数据集可用于了解真实世界中多种 P-CABs 铋剂四联方案治疗幽门螺杆菌感染的根除率与不良事件发生率，并支持对影响治疗失败因素的分析。其主题归属为感染性疾病 / 其他，适合在幽门螺杆菌感染治疗相关的研究与比较性分析中作为参考数据使用。其他具体应用场景源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法、访问方式或数据结构说明。
【质量与限制】
该数据集对应多中心队列研究，研究结局为根除率与不良事件发生率。关于数据质量评估、样本量、缺失情况、偏倚控制及使用限制等具体信息，源站未提供。
【引用与许可】
源站未提供该数据集的引用格式与许可条款信息。
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/NCT07285096
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：幽门螺杆菌感染。含铋四联疗法被推荐为幽门螺杆菌感染的一线治疗。本研究旨在比较基于各种钾离子竞争性酸阻滞剂（P-CABs）的铋剂四联方案的真实世界疗效，并确定影响治疗失败的因素。开展了一项多中心队列研究，研究结局包括根除率和不良事件发生率。
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。
