Smart Discharges 大龄儿童脓毒症出院后结局研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT07629154

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：脓毒症。目的 本研究的目的是开发并扩展“智能出院”方法，以改善所有儿科人群的结局，并最终构建一个可扩展的解决方案，以改善出院后结局。假设 对于因疑似脓毒症入院的16岁以下儿童，可利用入院变量预测出院后死亡率。此外，这些儿童中有很高比例将在出院后时期经历健康相关生活质量的长期下降。依据 随着对风险认识的提高，以及能够在床旁确定较大儿童风险的能力，现有的“智能出院”项目可以扩展为更具包容性、适用于所有疑似脓毒症儿科患者，从而进一步简化实施举措。这也进一步提高了卫生系统内资源配置的优化程度。此类精准公共卫生项目不仅能挽救生命和资源，而且在经济紧张的环境中更有可能实现可扩展性。目标 本研究旨在：1.

开发并内部验证一个临床风险预测模型，用于识别因确诊或疑似脓毒症住院的5-<16岁儿童中出院后死亡高风险者。2. 定量评估因确诊或疑似脓毒症住院的5-<16岁儿童出院后至12个月内的健康相关生活质量（HRQL）和功能状态。3. 定性评估因确诊或疑似脓毒症住院的5-<16岁儿童及其家庭和提供照护的卫生工作者的出院后经历。研究设计这是一项混合方法研究，在東非提供儿科照护的具有区域代表性的公立医院样本中开展。本研究将分为三个阶段，每个阶段对应一个特定目标。第一阶段——模型推导与内部验证：研究者

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。