微生物性角膜炎抗菌药物敏感性及抗微生物治疗方案结局的前瞻性队列研究
该数据集来自 clinicaltrials.gov,为一项关于微生物性角膜炎的前瞻性观察性队列研究。研究覆盖细菌性角膜炎、真菌性角膜炎以及细菌真菌混合性角膜炎患者,收集角膜刮片样本及指征明确的严重、中央、大面积溃疡患者接触镜的常规培养与药敏试验结果,并分析不同经验性局部抗菌及抗真菌治疗方案的临床结局

基本信息
资源简介
微生物性角膜炎抗菌药物敏感性及抗微生物治疗方案结局的前瞻性队列研究
该数据集来自 clinicaltrials.gov,为一项关于微生物性角膜炎的前瞻性观察性队列研究。研究覆盖细菌性角膜炎、真菌性角膜炎以及细菌真菌混合性角膜炎患者,收集角膜刮片样本及指征明确的严重、中央、大面积溃疡患者接触镜的常规培养与药敏试验结果,并分析不同经验性局部抗菌及抗真菌治疗方案的临床结局。其目的是依据当地抗菌药物耐药数据与患者治疗结局,推荐最有效的经验性局部抗微生物治疗,并生成抗菌谱以描述当地致病菌与真菌的流行情况(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:细菌性角膜炎、真菌性角膜炎、细菌与真菌混合性角膜炎、微生物性角膜炎。这项观察性研究的主要目的是,根据当前当地抗微生物耐药数据以及接受不同经验性局部抗生素和抗真菌治疗的细菌性、真菌性及细菌真菌混合性角膜炎患者的临床结局,推荐微生物性角膜炎中最有效的经验性局部抗微生物治疗。研究中,收集并分析角膜刮片样本以及在指征明确的严重、中央、大面积溃疡患者中接触镜的常规培养和药敏试验结果。药敏数据用于生成抗菌谱,以描述引起微生物性角膜炎的细菌和真菌的当地流行情况,并调查抗微生物……
【主题与分类】
主题标签:Bacterial Keratitis、Fungal Keratitis、Mixed Bacterial and Fungal Keratitis、Microbial Keratitis。本站分类:感染性疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05655689
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/NCT05655689
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
疾病类型:细菌性角膜炎、真菌性角膜炎、细菌与真菌混合性角膜炎、微生物性角膜炎。本观察性研究的主要目的是,根据当前本地抗菌药物耐药数据,以及接受不同经验性局部抗生素和抗真菌治疗的细菌性、真菌性及细菌与真菌混合性角膜炎患者的临床结局,推荐治疗微生物性角膜炎最有效的经验性局部抗菌治疗。研究中收集并分析对指示性重度、中心性及大溃疡患者常规进行的角膜刮片样本和隐形眼镜培养及药敏试验结果。药敏数据用于生成抗菌谱,以描述引起微生物性角膜炎的细菌和真菌的本地流行情况,并调查抗菌药物耐药性的流行情况。培养和药敏结果常延迟回报,因此理想情况下应在角膜刮片后即开始经验性广谱抗菌治疗,直至获得实验室检测结果。
如果确定了致病菌及其抗微生物药物敏感性,广谱经验性治疗将调整为更具选择性的培养指导治疗。在培养结果为阴性且临床情况改善的病例中,继续经验性治疗。此外,当患者在就诊前已经接受经验性治疗时,不进行角膜刮片和培养。在本研究中,观察被诊断为细菌性、真菌性或细菌与真菌混合性角膜炎并接受经验性局部抗微生物药物治疗的微生物性角膜炎患者。研究者的职责是观察和研究作为常规医疗护理一部分而接受不同经验性抗微生物治疗的微生物性角膜炎患者的临床反应和治疗结局。不向研究参与者分配任何干预措施。研究者不进行干预,也不开具、推荐或分配任何干预措施给受
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。




