假体关节感染:重症监护中死亡患者的经验

该数据集来自 clinicaltrials.gov,为一项观察性、回顾性、多中心研究,基于2018至2022年间入住重症监护、主要或关联诊断为关节假体感染的死亡患者的人口学、临床和生物学数据

Assistance Publique - Hôpitaux de ParisAssistance Publique - Hôpitaux de Paris
clinicaltrials
浏览 9
其他预测Osteoarticular InfectionsIntensive Care PatientsProsthetic Joint Infection
Prosthetic Joint Infection : Lessons From Deceased Patients in Critical Care.

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

假体关节感染:重症监护中死亡患者的经验

该数据集来自 clinicaltrials.gov,为一项观察性、回顾性、多中心研究,基于2018至2022年间入住重症监护、主要或关联诊断为关节假体感染的死亡患者的人口学、临床和生物学数据。数据将与OASIS研究中关于存活患者假体材料骨关节脓毒症的数据合并,用于增进对骨关节材料脓毒症重症监护患者的特征、诊疗轨迹和结局的认识,帮助识别高危人群并改进管理策略(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:骨关节感染、重症监护患者、假体关节感染。这是一项观察性、回顾性、多中心研究,基于2018年至2022年间入住重症监护、主要或关联诊断为关节假体感染的死亡患者的人口学、临床和生物学数据。本研究的数据将与OASIS研究(APHP241174/ ID-RCB: 2024-A01769-38)中关于存活患者假体材料骨关节脓毒症在重症监护中的数据合并。本研究旨在增进我们对骨关节材料脓毒症背景下重症监护住院患者的特征、诊疗轨迹和结局的认识。研究结果可能有助于识别高危人群并改进骨关节脓毒症患者的管理策略。

【主题与分类】

主题标签:Osteoarticular Infections、Intensive Care Patients、Prosthetic Joint Infection。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/NCT07107685

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/NCT07107685

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

研究条件:骨关节感染、重症监护患者、假体关节感染。这是一项观察性、回顾性、多中心研究,基于2018年至2022年间因关节假体感染作为主要或相关诊断而入住重症监护的死亡患者的人口学、临床和生物学数据。本研究的数据将与OASIS研究(APHP241174/ ID-RCB: 2024-A01769-38)的数据相结合,该研究涉及存活重症监护患者中假体材料相关的骨关节脓毒症。本研究旨在增进对骨关节材料脓毒症背景下重症监护住院患者的特征、诊疗路径及结局的认识。研究结果可能有助于识别高危人群并改善骨关节脓毒症患者的管理策略。

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