坏死性软组织感染的预后与治疗：前瞻性队列研究
该数据集来自 clinicaltrials.gov，聚焦坏死性软组织感染（NSTI）的前瞻性队列研究，覆盖坏死性筋膜炎、气性坏疽、Fournier 坏疽等类型
基本信息
资源简介
坏死性软组织感染的预后与治疗：前瞻性队列研究
该数据集来自 clinicaltrials.gov，聚焦坏死性软组织感染（NSTI）的前瞻性队列研究，覆盖坏死性筋膜炎、气性坏疽、Fournier 坏疽等类型。源站描述指出 NSTI 病情进展迅速、死亡率约 25-35%，幸存者常面临截肢与长期康复，目前缺乏评估个体患者严重程度与预后的工具，且高压氧治疗（HBOT）作为辅助疗法的效果尚不明确。数据可用于 NSTI 预后预测、严重程度评估及治疗方式效果分析等研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：坏死性软组织感染、坏死性筋膜炎、气性坏疽、Fournier 坏疽。简介：坏死性软组织感染（NSTI）是已知最严重、最致命的感染之一。其特征为快速进展的软组织炎症伴坏死，可迅速导致多器官衰竭和死亡。死亡率已被证明为 25-35%，幸存者需应对截肢和长期康复。目前，缺乏评估个体患者 NSTI 严重程度和预后的适当工具。这导致必要但有时过度积极的外科清创，最终造成患者康复期延长和残疾。高压氧治疗（HBOT）可作为 NSTI 的辅助治疗。然而，对于 HBOT 对 NSTI 的有效性尚无明确认识。研究者寻求 r
【主题与分类】
主题标签：Necrotizing Soft Tissue Infection、Necrotizing Fascitis、Gas Gangrene、Fournier Gangrene。本站分类：感染性疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT03147352
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/NCT03147352
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：坏死性软组织感染、坏死性筋膜炎、气性坏疽、Fournier坏疽。引言：坏死性软组织感染（NSTI）是已知最为严重和致命的感染之一。其特征为软组织炎症迅速进展并伴坏死，可迅速导致多器官衰竭和死亡。死亡率已被证实为25-35%，幸存者需面对截肢和长期康复。目前，缺乏适当的工具来评估个体NSTI患者的严重程度和预后。这导致必要但有时过度积极的外科清创，最终造成患者康复期延长和残疾。高压氧治疗（HBOT）可作为NSTI的辅助治疗。然而，对于HBOT治疗NSTI的有效性尚无明确认识。研究者希望通过在多项研究中检查多种生物标志物来解决这两个问题。方法：地点：丹麦哥本哈根大学医院Rigshospitalet。设计：观察性队列研究。队列：自2013年以来丹麦所有NSTI患者。
对照组：50-100名在Rigshospitalet接受择期骨科手术的患者。生物标志物：可溶性血栓调节蛋白、syndecan-1、sE-选择素、VE-钙黏蛋白、蛋白C、suPAR。样本量计算：1：研究者将用于测量主要结局sTM的检测试剂盒（Human sCD141 ELISA kit，Nordic Biosite）的批间标准变异为0.58 ng/ml。为确保所测得的sTM浓度变化并非批间标准差所致，研究者将sTM的最小相关差异设定为批间标准变异的3倍，即1.75 ng/ml。研究者使用Wilcoxon秩和检验进行了功效计算。假设估计标准差为4.6 ng/ml、均值为9.9 ng/ml，研究者将需要纳入最多150名NSTI患者和50名择期手术患者，以达到至少60%的统计功效（一项ver
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。
