坏死性软组织感染
该数据集来自clinicaltrials.gov,聚焦坏死性软组织感染(NSTI)及其相关脓毒症与手术感染。源站描述指向SnapNSTI研究,这是一项由宾夕法尼亚大学CESOR协调、国际外科学会联盟领导的多中心国际观察性队列研究,计划在12个月内的6个月窗口入组成年确诊NSTI患者

基本信息
资源简介
坏死性软组织感染
该数据集来自clinicaltrials.gov,聚焦坏死性软组织感染(NSTI)及其相关脓毒症与手术感染。源站描述指向SnapNSTI研究,这是一项由宾夕法尼亚大学CESOR协调、国际外科学会联盟领导的多中心国际观察性队列研究,计划在12个月内的6个月窗口入组成年确诊NSTI患者。数据可用于研究治疗策略差异与结局异质性,支持预后预测与最佳实践探索(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:坏死性软组织感染、Fournier坏疽、脓毒症、手术感染、软组织感染。坏死性软组织感染(NSTIs)是危及生命的外科急症,尽管及时进行外科清创和抗生素治疗,死亡率仍然很高。治疗策略的广泛差异——从诊断成像到手术时机及辅助治疗——导致了结局的异质性,但目前尚无标准化、高分辨率的前瞻性数据来指导最佳实践。SnapNSTI是一项有时间限制的多中心国际观察性队列研究,由宾夕法尼亚大学急诊外科结局研究中心(CESOR)协调,并由一个国际外科学会联盟领导。该研究将在12个月内的6个月窗口期,在每个参与站点入组确诊NSTI的成年患者。
【主题与分类】
主题标签:Necrotizing Soft Tissue Infection、Fournier Gangrene、Sepsis、Surgical Infection、Soft Tissue Infections。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/NCT07107555
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/NCT07107555
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
疾病条件:坏死性软组织感染、福尼尔坏疽、脓毒症、手术感染、软组织感染。坏死性软组织感染(NSTIs)是危及生命的外科急症,尽管及时进行外科清创和抗生素治疗,死亡率仍很高。治疗策略存在很大差异——从诊断影像到手术时机及辅助治疗——导致结局异质性,但目前尚无标准化、高分辨率的前瞻性数据来指导最佳实践。SnapNSTI是一项有时间限制的多中心国际观察性队列研究,由宾夕法尼亚大学急诊外科结局研究中心(CESOR)协调,并由国际外科学会联盟领导。该研究将在2026年开始的12个月期间内,于每个参与中心在6个月窗口期内入组成人确诊NSTI患者。主要结局为90天全因死亡率。次要结局包括无器官支持天数、院内并发症、住院时长以及60天患者报告结局(PROMs,包括EuroQol五维五水平(EQ-5D-5L)量表)。
标准化定义和基于REDCap的实时数据采集将确保数据质量。分析将包括多变量回归、倾向评分方法和目标试验模拟。研究结果将为未来的干预性研究和循证指南提供依据。
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。




