ICU 脓毒症研究 II
该数据集来源于 clinicaltrials.gov，主题为 ICU 中的脓毒症（Sepsis in the ICU-II），涉及感染性疾病与脓毒症方向
基本信息
资源简介
ICU 脓毒症研究 II
该数据集来源于 clinicaltrials.gov，主题为 ICU 中的脓毒症（Sepsis in the ICU-II），涉及感染性疾病与脓毒症方向。源站描述显示，研究覆盖感染性休克、脓毒症、心肌病及多器官衰竭等条件，已完成 50 例患者的可行性试点，并在 4 个中心继续招募，截至描述时已招募 70 例。2026 年更新提到，可行性阶段前 49 例与后续 231 例在年龄和性别上相似，但后续队列中位 SAPS II 评分更高、器官支持使用更多、ICU 及 30 天死亡率更高。该数据可用于脓毒症患者特征、器官支持与死亡结局相关的预测研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：感染性休克、脓毒症、心肌病、多器官衰竭。更新 2022 年 2 月 26 日：在招募 50 名患者后完成了一个试点项目，确认了数据收集、研究后勤、生物标志物检测设置和结局频率的可行性。2020 和 2021 年取消非 COVID 相关研究导致了严重延误。2022 和 2023 年将继续招募患者。撰写时已在 4 个中心招募了 70 名患者。更新 2026 年 3 月 15 日：在 2024 年 8 月 12 日的指导委员会会议上，主要研究者介绍了可行性阶段前 49 名患者的人群特征，并将其与随后招募的 231 名患者进行了比较。两个队列在年龄和性别上相似，但后一队列的中位 SAPS II 评分更高，器官支持使用更多，ICU 和 30 天死亡率更高。
【主题与分类】
主题标签：Septic Shock、Sepsis、Cardiomyopathies、Organ Failure, Multiple。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/NCT04695119
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/NCT04695119
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
病情：感染性休克、脓毒症、心肌病、多器官功能衰竭。2022年2月26日更新：在招募50名患者后，一个试点项目已完成，证实了数据收集、研究后勤、生物标志物检测设置和结局频率的可行性。2020年和2021年非COVID相关研究的取消导致了重大延误。患者的招募将在2022年和2023年继续进行。撰写本文时，已在4个中心招募了70名患者。2026年3月15日更新：在2024年8月12日的指导委员会会议上，主要研究者介绍了可行性阶段前49名患者的人群特征，并将其与随后招募的231名患者进行了比较。两个队列在年龄和性别上相似，但后一个队列的中位SAPS II评分更高，器官支持使用更多，ICU死亡率和30天死亡率更高。与招募中心的讨论表明，COVID-19大流行已大幅改变了ICU入院的病例组合；护理人员短缺和床位关闭导致更危重患者的入院，尤其是在主要招募中心。
指导委员会得出结论，认为无需偏离原始方案，但建议额外招募49例患者，以减少基础人群中可能存在的异质性。因此，总目标样本量设定为379例患者。扩大后的样本量已于2025年2月7日获得瑞典伦理审查局的批准。
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。
