qSOFA、SIRS与EWSs对急诊科住院死亡率的预后准确性
该数据集来自clinicaltrials.gov,聚焦感染性疾病中的脓毒症与脓毒性休克,主题标签为Sepsis和Septic Shock

基本信息
资源简介
qSOFA、SIRS与EWSs对急诊科住院死亡率的预后准确性
该数据集来自clinicaltrials.gov,聚焦感染性疾病中的脓毒症与脓毒性休克,主题标签为Sepsis和Septic Shock。源站描述指出脓毒症占ICU收治的10%,住院死亡率约10-20%,标准化方案下死亡率仍达20%-36%,美国每年约27万例死亡;80%的脓毒症患者在急诊科接受治疗。2016年SCCM/ESICM基于器官功能障碍和死亡预测重新定义脓毒症。数据可用于评估qSOFA、SIRS和EWSs对急诊科住院死亡率的预后准确性,支持脓毒症风险预测与早期识别研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:脓毒症、脓毒性休克。过去十年,脓毒症的医学进展持续聚焦于将其视为一种普遍病症,占重症监护病房(ICU)收治的10%,并与10-20%的住院死亡率相关。标准化方案和医生意识的提高显著改善了生存率,但死亡率仍在20%至36%之间,美国每年约270,000例死亡。然而,在脓毒症患者中,80%在急诊科(ED)接受治疗,其余患者在其他疾病住院期间发生脓毒症。2016年,美国重症医学会/欧洲重症医学会(SCCM/ESICM)工作组基于器官功能障碍和死亡预测重新定义了脓毒症。脓毒症现在被定义为由宿主对感染反应失调引起的危及生命的器官功能障碍
【主题与分类】
主题标签:Sepsis、Septic Shock。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/NCT05172479
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/NCT05172479
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:脓毒症、脓毒性休克。过去十年间,脓毒症的医学进展持续聚焦于将其视为一种普遍病症——占重症监护病房(ICU)入院原因的10%,并与10-20%的院内死亡率相关。标准化方案和医生意识的提高显著改善了生存率,但死亡率仍介于20%至36%之间,美国每年约有270,000例死亡。然而,在脓毒症患者中,80%在急诊科(ED)接受治疗,其余则在因其他疾病住院期间发生脓毒症。2016年,美国重症医学会/欧洲重症医学会(SCCM/ESICM)工作组基于器官功能障碍和死亡预测重新定义了脓毒症。脓毒症现定义为宿主对感染反应失调所致的危及生命的器官功能障碍。该定义强调了该疾病的复杂性,无法仅用感染或机体对感染的反应来解释。序贯器官衰竭评估(SOFA)评分急性变化≥2分提示脓毒症相关器官功能障碍,是院内超额死亡的预测指标。
最新的定义中省略了全身炎症反应综合征(SIRS)和“严重脓毒症”这两个术语。SIRS因特异性差而受到批评,而“严重脓毒症”可能低估了脓毒症的严重性。一部分患者可能发展为脓毒性休克,伴有深层的器官功能障碍和高死亡率。临床上,脓毒性休克定义为:尽管进行了充分的液体复苏,仍持续存在低血压,需要血管升压药维持平均动脉压(MAP)≥ 65 mm Hg,且血清乳酸水平 ≥ 2 mmol/L(18 mg/dL)。早期识别可能发展为脓毒症的感染患者至关重要。遗憾的是,这一点仍然难以实现,因为没有任何单一的临床指标或检测能够反映脓毒症患者复杂的病理生理变化。然而,多种临床和实验室
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。




