NEWS2与机器学习用于脓毒症早期预警的比较

数据集获取

源站：https://clinicaltrials.gov/study/NCT07734480

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

病症：脓毒症、NEWS-2、机器学习。脓毒症是由宿主对感染反应失调引起的危及生命的器官功能障碍。早期识别和治疗对于改善预后至关重要。国家早期预警评分2（NEWS2）被广泛用作早期预警系统，但其预警提前时间（从警报至诊断的时间）尚未在前瞻性研究中得到客观测量。本研究旨在通过前瞻性评估基于NEWS2的KDS的预警提前时间，并将其性能与机器学习模型进行比较，以填补这一空白。该机器学习模型使用PhysioNet脓毒症预测挑战赛2019数据库中的2000名患者进行开发，并在科贾埃利市医院100名患者的前瞻性队列中进行外部验证。该研究将为传统预警系统和机器学习方法在早期脓毒症检测中的比较效用提供证据。

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。