幽门螺杆菌感染药敏指导治疗数据集
该数据集来自clinicaltrials.gov，围绕幽门螺杆菌感染的多中心随机对照临床试验，比较基于耐药突变基因检测（多重PCR法）的个体化方案、基于传统药敏试验（E-test法）的个体化方案与经验性方案在慢性胃炎患者中的根除疗效与卫生经济效益
基本信息
资源简介
幽门螺杆菌感染药敏指导治疗数据集
该数据集英文名为 Susceptibility-Guided Therapy for Helicobacter Pylori Infection Treatment，来源于 clinicaltrials.gov，主题标签为幽门螺杆菌感染，在分类上归属于感染性疾病下的其他类别。其核心内容是一项多中心随机对照临床试验，旨在比较三种治疗策略在慢性胃炎患者幽门螺杆菌治疗中的根除疗效与卫生经济效益：一是基于幽门螺杆菌耐药突变基因检测（多重PCR法）的个体化方案，二是基于传统药敏试验（E-test法）的个体化方案，三是经验性方案。该研究通过疗效比较与成本效果分析，为临床决策提供药物经济学指导，并为幽门螺杆菌药敏试验的合理定价及其纳入医保所考虑的健康收益提供参考。
【数据集背景】
幽门螺杆菌感染是临床常见的感染性疾病之一，与慢性胃炎等胃部疾病密切相关。随着耐药问题的出现，经验性治疗方案的效果可能受到影响，而基于药敏信息的个体化治疗策略受到关注。该数据集所对应的研究正是在这一背景下设计的多中心随机对照临床试验，试图在慢性胃炎患者群体中，系统比较不同药敏指导方式下的个体化方案与经验性方案之间的差异，既关注根除疗效，也关注卫生经济效益，从而为临床用药决策和卫生资源配置提供依据。
【数据内容】
该数据集围绕幽门螺杆菌感染的易感性指导治疗展开，涉及三类治疗策略的比较：基于耐药突变基因检测（多重PCR法）的个体化方案、基于传统药敏试验（E-test法）的个体化方案，以及经验性方案。研究关注的结局包括幽门螺杆菌的根除疗效，以及相应的卫生经济效益，并通过成本效果分析加以评价。数据的具体字段、变量构成、样本量、随访时长与结局测量方式等细节，源站未提供。
【采集与来源】
该数据集来自 clinicaltrials.gov，对应一项多中心随机对照临床试验，研究对象为慢性胃炎患者中的幽门螺杆菌感染者。研究的干预与对照设置包括上述三类治疗策略。关于具体的招募方式、各中心分布、数据采集流程与时间安排等信息，源站未提供。
【适用场景】
该数据集可用于了解幽门螺杆菌感染治疗中个体化方案与经验性方案的疗效与经济学比较思路，适用于感染性疾病治疗策略评价、药敏检测方法应用价值讨论，以及药物经济学与临床决策相关的研究参考。同时，其研究设计思路也可为药敏试验定价与医保纳入决策所涉及的健康收益评估提供参考。具体的数据使用场景与适用范围，源站未提供。
【使用方法】
源站未提供。
【质量与限制】
该数据集来源于 clinicaltrials.gov 的临床试验记录，属于多中心随机对照设计。关于数据完整性、样本规模、偏倚控制、随访依从性及统计分析方法等质量相关信息，源站未提供。使用时应结合源站记录进一步核实研究状态与结果信息。
【引用与许可】
源站未提供。
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/NCT05250050
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。本多中心随机对照临床试验旨在比较基于幽门螺杆菌耐药突变基因检测（多重PCR法）的个体化方案、基于幽门螺杆菌传统药物敏感性试验（E-test法）的个体化方案与经验性方案在慢性胃炎患者幽门螺杆菌治疗中的根除疗效和卫生经济学效益。本研究将比较个体化药物敏感性方案与经验性方案的疗效，并进行成本-效果分析，为临床决策提供药物经济学指导。同时，为幽门螺杆菌药物敏感性试验的合理定价以及考虑将其纳入医疗保险所带来的健康效益提供参考。
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。
