边境地区烧伤中心的外籍烧伤患者数据集
该数据集来源于clinicaltrials.gov,聚焦边境地区烧伤中心收治的外籍烧伤患者。烧伤是重要的临床与公共卫生问题,与发病率、死亡率、住院时间延长、重症监护需求、手术治疗及医疗资源利用相关

基本信息
资源简介
边境地区烧伤中心的外籍烧伤患者数据集
该数据集来源于clinicaltrials.gov,聚焦边境地区烧伤中心收治的外籍烧伤患者。烧伤是重要的临床与公共卫生问题,与发病率、死亡率、住院时间延长、重症监护需求、手术治疗及医疗资源利用相关。烧伤的流行病学与结局可能因年龄、性别、社会经济状况、文化因素、职业暴露、居住环境及医疗服务可及性而异。边境地区烧伤中心除服务本地人群外,还可能因迁移、流离失所、战争相关伤害及跨境转诊而收治外籍患者。评估此类患者临床特征与结局,可为医疗资源规划、重症监护能力、手术工作量及感染控制措施提供信息(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:烧伤损伤、烧伤。烧伤损伤是一个重要的临床和公共卫生问题,与发病率、死亡率、住院时间延长、重症监护需求、手术治疗和医疗资源利用相关。烧伤损伤的流行病学和结局可能因年龄、性别、社会经济状况、文化因素、职业暴露、居住环境和医疗服务可及性而异。位于边境地区的烧伤中心可能不仅服务于当地人群,还因迁移、流离失所、战争相关伤害和跨境转诊而服务于外籍患者。因此,评估此类地区外籍烧伤患者的临床特征和结局,可能为医疗资源规划、重症监护能力、手术工作量、感染控制措施提供重要信息。
【主题与分类】
主题标签:Burn Injury、Burns。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/NCT07673796
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/NCT07673796
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:烧伤、烧伤。烧伤是重要的临床和公共卫生问题,与发病率、死亡率、住院时间延长、重症监护需求、手术治疗以及医疗资源利用相关。烧伤的流行病学和结局可能因年龄、性别、社会经济状况、文化因素、职业暴露、生活环境以及获得医疗服务的机会而有所不同。位于边境地区的烧伤中心可能不仅服务于当地人群,还因迁移、流离失所、战争相关伤害和跨境转诊而服务于外国国籍患者。因此,评估此类地区外国国籍烧伤患者的临床特征和结局,可能为医疗资源规划、重症监护能力、手术工作量、感染控制措施和预防性公共卫生策略提供重要信息。这项回顾性队列研究将纳入2023年10月至2026年6月期间在加济安泰普市医院烧伤中心住院并诊断为烧伤的患者。
主要比较将在土耳其公民烧伤患者与外籍烧伤患者之间进行。主要目的是评估这两组在人口学特征、烧伤严重程度、临床病程及住院结局方面是否存在差异。以下变量将从常规医疗记录中回顾性收集:年龄、性别、国籍身份、烧伤病因、烧伤类型、烧伤部位、烧伤总面积、吸入性损伤、重症监护室入住、机械通气需求、脓毒症、手术治疗需求、手术次数、住院时间、出院状态、转至其他中心以及院内死亡率。在所需数据可用时,烧伤严重程度还将采用简明烧伤严重程度指数评分、修订版Baux评分及基于Ryan的改良临床评分进行评估。所有数据
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。
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。




