脑出血ICU患者脓毒症风险机器学习预测模型数据集

数据集获取

源站：https://clinicaltrials.gov/study/NCT06326385

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：脑出血、脓毒症。* 数据收集：本研究使用了两个公共数据库。该模型利用了从重症监护医学信息库（MIMIC）IV数据库（版本2.2）获取的临床数据，并从eICU协作研究数据库（eICU-CRD）中选择相应患者进行外部验证。从MIMIC IV公共数据库中提取了ICH患者的数据，包括基线特征、临床参数、治疗干预和结局。数据被随机分为两组，其中70%作为训练集，30%作为验证集。* 模型开发：使用Lasso回归进行特征选择，以构建各种机器学习模型（如随机森林、逻辑回归和神经网络）。* 模型验证：除内部验证集外，还在eICU数据库上进行了外部验证，以检验模型的泛化能力。* 统计分析：使用受试者工作特征曲线下面积（AUC）、灵敏度和特异度等指标评估模型的预测性能。

• 临床适用性评估：采用决策曲线分析（DCA）评估该模型的临床实用性。

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。