通过检测重症感染患者血液中微生物DNA诊断败血症
该数据集来自clinicaltrials.gov,聚焦于重症感染中通过血液微生物DNA检测诊断败血症的前瞻性研究。覆盖发热性中性粒细胞减少、感染性心内膜炎和严重脓毒症患者,在法国18个站点招募约2000名18岁以上患者,随机分为进行分子检测或仅标准治疗的6个月时段

基本信息
资源简介
通过检测重症感染患者血液中微生物DNA诊断败血症
该数据集来自clinicaltrials.gov,聚焦于重症感染中通过血液微生物DNA检测诊断败血症的前瞻性研究。覆盖发热性中性粒细胞减少、感染性心内膜炎和严重脓毒症患者,在法国18个站点招募约2000名18岁以上患者,随机分为进行分子检测或仅标准治疗的6个月时段。主要结局为有记录菌血症或真菌血症的患者数,次要结局包括 adequate 抗感染治疗的患者数及诊断后时间、死亡率、新发复杂感染等。可用于评估分子检测在重症感染诊断中的附加价值(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:发热性中性粒细胞减少、心内膜炎、严重脓毒症。我们将评估在发热性中性粒细胞减少、疑似感染性心内膜炎和重症监护病房严重脓毒症病例中,将分子检测加入常规微生物检查(血培养及其他)的优势。这是一项在18个站点(巴黎地区7个,法国各地11个)进行的前瞻性研究,将在18岁以上人群中招募约2000名患者。站点随机分为先进行6个月检测期或6个月不检测期(标准治疗的对照时间)。主要结局是有记录的菌血症或真菌血症患者数。次要结局是(1)接受适当抗感染治疗的患者数及诊断后发生的时间,(2)死亡率,(3)新发复杂感染,(4)检查数量
【主题与分类】
主题标签:Febrile Neutropenia、Endocarditis、Severe Sepsis。本站分类:感染性疾病/脓毒症。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00709358
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/NCT00709358
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:发热性中性粒细胞减少症、心内膜炎、严重脓毒症。我们将评估在发热性中性粒细胞减少症、疑似感染性心内膜炎及重症监护病房严重脓毒症病例中,将分子检测加入常规微生物学检查(血培养及其他)的优势。这是一项前瞻性研究,在18个中心开展(巴黎地区7个,法国各地11个),将纳入约2000名18岁以上的患者。各中心随机分组,先进行为期6个月的检测期或为期6个月的未检测期(采用标准诊疗的对照期)。主要结局为确诊菌血症或真菌血症的患者数量。次要结局为:(1)接受适当抗感染治疗的患者数量及诊断后开始治疗的时间;(2)死亡率;(3)新发复杂性感染;(4)为病因诊断所做的检查(微生物学及非微生物学)数量,以及总体住院费用。新检测的优势将按方案分析和意向性治疗分析进行评估。
我们假设,与标准诊疗相比,新检测方法将使微生物学诊断率提高15%。因此,根据有意参与研究的中心数量,将纳入166至2500例患者,其中发热性中性粒细胞减少症患者480至750例,重症监护病房(ICU)中的严重脓毒症患者1000至1500例。对于疑似感染性心内膜炎的患者,将依据Duke标准评估真性心内膜炎的诊断例数及诊断所需时间。卫生经济学评价将比较住院费用、包括新检测方法在内的微生物学检查费用、其他非临床检查费用以及对组织管理的影响。
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。




