脓毒症经验性抗生素选择的整合临床决策支持

数据集获取

源站：https://clinicaltrials.gov/study/NCT06103500

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

条件：脓毒症、细菌感染、社区获得性感染、医院感染。随着全球抗生素耐药性的不断增加，经验性抗生素治疗的选择变得愈发困难，尤其是对于可能从早期充分治疗中获益的脓毒症患者。特别是，临床医生难以在抗生素管理原则（即避免不必要地开具抗菌谱过宽、易促进耐药发展的抗生素）与治疗不足之间取得平衡。多种耐药风险变量的整合难以被临床医生转化为临床行动，且似乎与提供启发式/情感驱动的抗生素选择的自然倾向相矛盾。脓毒症的不恰当治疗并非一律过宽或过窄，有必要针对每位患者优化和量身定制抗生素治疗的选择，使存在耐药菌感染风险的患者接受广谱治疗，而无风险的患者接受较窄谱的抗生素药物。

临床医生需要支持来为每位患者选择正确的抗生素，由此有望在保持治疗充分性的同时，推动减少不必要的广谱抗生素处方。个体化临床预测模型和决策支持干预是有前景的方法，可通过改善脓毒症患者抗生素耐药或敏感感染的风险分类来满足这些需求。遗憾的是，鲜有此类方法在临床环境中得到验证，需要更大规模的严谨研究来提供证据，以支持更广泛的临床采用。研究者将开展一项整群随机交叉试验，针对治疗疑似脓毒症住院患者的医务人员，实施个体化抗生素处方决策支持干预。本试验旨在确定由抗菌药物管理主导的临床决策支持干预能否在维持……的同时改善脓毒症患者的抗生素降阶梯治疗。

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。