烧伤疑似感染患者脓毒症数据：Sepsis-3生存分析及qSOFA、SIRS与烧伤特异性SIRS临床评估验证
该数据集来自search.dataone.org，为单中心回顾性队列研究，覆盖2010年1月至2020年12月韩国首尔的烧伤患者，共纳入1,391例疑似感染患者
基本信息
资源简介
烧伤疑似感染患者脓毒症数据：Sepsis-3生存分析及qSOFA、SIRS与烧伤特异性SIRS临床评估验证
Validation of Sepsis-3 using survival analysis and clinical evaluation of quick SOFA, SIRS, and burn-specific SIRS for sepsis in burn patients with suspected infection
该数据集来自search.dataone.org，为单中心回顾性队列研究，覆盖2010年1月至2020年12月韩国首尔的烧伤患者，共纳入1,391例疑似感染患者。数据用于验证Sepsis-3标准，并比较qSOFA、SIRS与烧伤特异性SIRS在烧伤患者中的死亡预测与诊断性能。研究者按SOFA、qSOFA、SIRS和烧伤特异性SIRS将患者分为四组，分析死亡风险比。该数据可用于脓毒症预测模型构建与不同评分标准的性能评估（来源 DataONE）。
【数据内容】
源站描述（机器翻译，仅供参考）：目的：Sepsis-3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；使用2016年引入的Sepsis-3标准定义，然而该标准需要在特定临床领域进行验证。我们研究了烧伤患者的死亡预测，并比较了快速序贯器官衰竭评估（qSOFA）、全身炎症反应综合征（SIRS）和烧伤特异性SIRS（bSIRS）的诊断性能。方法：这项单中心回顾性队列研究检查了2010年1月至2020年12月期间韩国首尔的烧伤患者。总体而言，1,391名疑似感染患者使用SOFA、qSOFA、SIRS和烧伤特异性SIRS分为四个脓毒症组。结果：所有未调整模型的风险比（HRs）均具有统计学显著性；然而，SIRS ≥2组的HR（0.726，p = 0.0080.001）低于1。在
【主题与分类】
主题标签：Burns、sepsis-3。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%3Aece3771e67ab1b65302fddfabb0cee24d001852873b0da4e562dca59358f0638
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
Jun Hur; Dohern Kym; Jaechul Yoon; Yong Suk Cho; Wook Chun; Dogeon Yoon (2025). 使用生存分析验证Sepsis-3，并对疑似感染的烧伤患者中快速SOFA、SIRS和烧伤特异性SIRS用于脓毒症的临床评估 [数据集]. http://doi.org/10.5061/dryad.dbrv15f4d
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。
