新生儿脓毒症NeoAMR观察性研究

NeoSEPSIS连续纳入住院新生儿脓毒症患儿并随访至出院或死亡(最长28天),采集临床表现、相关特征与危险因素、培养阳性率、经验性抗菌治疗方案及结局等信息,并按临床指征留取血液和脑脊液等无菌部位标本送本地处理

Drugs for Neglected DiseasesDrugs for Neglected Diseases
clinicaltrials
浏览 8
其他预测Neonatal SEPSIS
NeoAMR Observational Study in Neonatal Sepsis

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-20

资源简介

新生儿脓毒症NeoAMR观察性研究

该数据集来自clinicaltrials.gov,聚焦新生儿脓毒症,包含NeoSEPSIS与NeoBSI两部分。NeoSEPSIS连续纳入住院新生儿脓毒症患儿并随访至出院或死亡(最长28天),采集临床表现、相关特征与危险因素、培养阳性率、经验性抗菌治疗方案及结局等信息,并按临床指征留取血液和脑脊液等无菌部位标本送本地处理。NeoBSI纳入血/脑脊液培养阳性且患脓毒症的新生儿。数据可用于描述新生儿脓毒症的临床特征、治疗模式与结局,支持相关观察性研究与分析(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:新生儿脓毒症。1. NeoSEPSIS:将连续招募住院的新生儿脓毒症患儿,并随访至出院或死亡(最长28天)。一个最小新生儿脓毒症数据集将确定(i)临床表现、相关特征和危险因素(例如早产、SGA(小于胎龄儿)),(ii)脓毒症患儿中培养阳性的比例,(iii)当前经验性治疗方法(所选抗菌药物、剂量等),(iv)脓毒症的结局,包括死亡、需要重症监护干预以及随访期间脓毒症复发。将根据临床指征从无菌部位、血液和脑脊液采集微生物学样本,并在本地进行处理。2. NeoBSI:将连续招募血/脑脊液培养阳性且患脓毒症的患儿。患者纳入将基于

【主题与分类】

主题标签:Neonatal 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/NCT03721302

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT03721302

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:新生儿败血症。1. NeoSEPSIS:将连续招募住院的新生儿败血症患儿,并随访至出院或死亡(最长28天)。一个最小新生儿败血症数据集将确定:(i) 临床表现、相关特征和危险因素(例如早产、SGA(小于胎龄儿)),(ii) 败血症患儿的培养阳性率,(iii) 当前的经验性治疗方法(所选抗菌药物、剂量等),(iv) 败血症的结局,包括死亡、需要重症监护干预以及在随访期间败血症复发。将根据临床指征从无菌部位、血液和脑脊液采集微生物学样本,并在当地进行处理。2. NeoBSI:将连续招募血液/脑脊液培养阳性且患有败血症的患儿。患者纳入将基于从血液/脑脊液培养中鉴定出相关特定细菌。除为NeoSEPSIS收集的数据外,还将收集关于分离株及其抗菌药物敏感性模式的信息。

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。

获取专属数据定制方案