基于生物信息学与机器学习的 neonatal sepsis 潜在生物标志物筛选及 logistic 回归模型构建
该数据集为一项 neonatal sepsis 研究的复制数据，源站标题聚焦于使用定量 PCR 在出生时脐带血中检测与早发型 neonatal sepsis 相关的病原体
基本信息
资源简介
基于生物信息学与机器学习的 neonatal sepsis 潜在生物标志物筛选及 logistic 回归模型构建
Replication Data for: Detection of pathogens associated with early-onset neonatal sepsis in cord blood at birth using quantitative PCR
该数据集为一项 neonatal sepsis 研究的复制数据，源站标题聚焦于使用定量 PCR 在出生时脐带血中检测与早发型 neonatal sepsis 相关的病原体。数据覆盖 603 例出生后 48 小时内住院且具有疑似严重细菌感染临床特征的病例（含 101 例死亡）与 300 例健康对照，包含出生时母体与新生儿数据及脐带血样本。该数据可用于病原体检测、病因学分析以及潜在生物标志物筛选与预测模型构建等研究（来源 DataONE）。
【数据内容】
源站描述（机器翻译，仅供参考）：这是题为“Detection of pathogens associated with early-onset neonatal sepsis in cord blood at birth using quantitative PCR”的稿件的复制数据集，该稿件已提交至 Welcome Open Research 期刊。尽管早发型脓毒症与显著死亡率和神经功能损害相关，但其病因学数据仍然匮乏。诊断挑战包括实验室能力有限、不可培养和病毒病原体，以及出生后可能很快发生死亡。使用 TaqMan Array cards 进行多重 PCR，我们将出生后 48 小时内住院且具有疑似严重细菌感染（pSBI）临床特征的 603 例病例（包括 101 例死亡）与 300 例健康对照进行了比较，这些对照在相同情况下采集了脐带血样本但保持健康。出生时的母体和新生儿数据，包括脐带血样本，是在……（源站描述在此处截断）
【主题与分类】
主题标签：molecular、Neonate、aetiology、Medicine, Health and Life Sciences、sepsis、PCR。本站分类：感染性疾病/脓毒症。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3A792bdb35f4754a606bd1405c24848c29e46ccd52ae24c55cf14cc6993a34d23d
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
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
Obiero, Christina W.; Gumbi, Wilson; Mwakio, Stella; Mwangudzah, Hope; Seale, Anna C.; Taniuchi, Mami; Liu, Jie; Houpt,Eric; Berkley, James A. (2021). Replication Data for: Detection of pathogens associated with early-onset neonatal sepsis in cord blood at birth using quantitative PCR [Dataset]. http://doi.org/10.7910/DVN/FXKGRB
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。
