肯尼亚医院住院儿童社区获得性血流细菌感染与抗生素耐药性:试点中心辐射式临床信息网络(CINAMR)监测结果的复现数据
本复制数据集对应一项儿童社区获得性血流细菌感染与抗生素耐药研究,即肯尼亚医院CINAMR中心辐射式临床信息网络试点监测结果

基本信息
资源简介
肯尼亚医院住院儿童社区获得性血流细菌感染与抗生素耐药性:试点中心辐射式临床信息网络(CINAMR)监测结果的复现数据
Replication Data for: Community Acquired Bloodstream Bacterial Infections and Antibiotic Resistance in Children Admitted to Kenyan Hospitals: Results of a Pilot Hub-and-Spoke Clinical Information Network (CINAMR) Surveillance
本复制数据集对应一项儿童社区获得性血流细菌感染与抗生素耐药研究,即肯尼亚医院CINAMR中心辐射式临床信息网络试点监测结果。数据于2022年1月至2023年11月在肯尼亚11家医院前瞻性采集,样本由3家区域KEMRI实验室处理,纳入已开始静脉抗生素治疗的儿科住院患者,包含3347名参与者的人口学、临床特征和实验室结果,采集于REDCap和KIDMS(来源 DOI 解析)。
【数据集背景】
源站首次发布:2026。
【数据内容】
源站描述(机器翻译,仅供参考):这是用于题为《肯尼亚医院收治儿童中社区获得性血流细菌感染与抗生素耐药性:试点中心-辐射式临床信息网络(CINAMR)监测的结果》的手稿的复现数据集。该数据是在2022年1月至2023年11月期间,于肯尼亚11家医院开展的一项抗菌药物耐药性监测中前瞻性收集的,样本在3家KEMRI区域实验室处理。该监测纳入了开始接受静脉注射抗生素治疗的儿科住院患者。数据包括3347名参与者的人口学资料、临床特征和实验室结果。数据通过REDCap和KIDMS收集。
【主题与分类】
主题标签:Medicine, Health and Life Sciences、antimicrobial resistance、surveillance、hub and spoke、bacteraemia、children。本站分类:感染性疾病。
【获取与许可】
源站页面:https://dataverse.harvard.edu/citation?persistentId=doi:10.7910/DVN/XBWMEV
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://doi.org/10.7910/DVN/XBWMEV
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:
数据集大小约 4.1 KB。
数据说明
这是用于题为《肯尼亚医院收治儿童中社区获得性血流细菌感染与抗生素耐药性:试点中心-辐射式临床信息网络(CINAMR)监测的结果》的手稿的复现数据集。该数据是在2022年1月至2023年11月期间,于肯尼亚11家医院开展的一项抗菌药物耐药性监测中前瞻性收集的,样本在3家KEMRI区域实验室处理。该监测纳入了开始接受静脉注射抗生素治疗的儿科住院患者。数据包括3347名参与者的人口学资料、临床特征和实验室结果。数据通过REDCap和KIDMS收集。
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。




