SC2i 烧伤患者组织与数据采集方案（TDAP）：利用烧伤后脓毒症数字孪生提升预测稳健性与泛化性 Group 1
该数据集来自 clinicaltrials.gov，属于感染性疾病/脓毒症方向，研究对象为严重烧伤成人患者。研究为前瞻性观察性设计，纳入 18 至 80 岁、烧伤面积超过全身表面积 10% 且需在 SC2i 成员机构接受重症或急诊救治的患者
基本信息
资源简介
SC2i 烧伤患者组织与数据采集方案（TDAP）：利用烧伤后脓毒症数字孪生提升预测稳健性与泛化性 Group 1
该数据集来自 clinicaltrials.gov，属于感染性疾病/脓毒症方向，研究对象为严重烧伤成人患者。研究为前瞻性观察性设计，纳入 18 至 80 岁、烧伤面积超过全身表面积 10% 且需在 SC2i 成员机构接受重症或急诊救治的患者。研究通过分析临床信息、血液与组织样本中的模式，理解机体对严重烧伤、治疗与恢复的反应，识别感染或脓毒症等并发症的预测因素，并开发用于改进诊断和指导未来治疗的计算机模型（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：Conditions: Sepsis, Burn Injury, Wound Healing, Critical Illness, Multiple Organ Dysfunction Syndrome. 这是一项针对严重烧伤成人患者的前瞻性观察性研究。目的是了解机体对严重烧伤、治疗和恢复的反应，并识别可预测感染或脓毒症等并发症的因素。通过研究临床信息、血液和组织样本中的模式，开发旨在改进诊断并指导未来治疗的计算机模型。符合条件的参与者为 18 至 80 岁、烧伤面积超过其全身表面积（TBSA）10% 且需要在 SC2i 成员机构（例如 Emory、Grady、USF、USAISR）接受重症监护或急诊救治的男性和女性。所有参与者或其法定授权代表（LAR）必须提供知情同意。
【主题与分类】
主题标签：Sepsis、Burn Injury、Wound Healing、Critical Illness、Multiple Organ Dysfunction Syndrome。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/NCT07249762
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/NCT07249762
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
病症：脓毒症、烧伤、伤口愈合、危重症、多器官功能障碍综合征。这是一项针对重度烧伤成年患者的前瞻性观察性研究。目的是了解机体对重度烧伤、治疗和恢复的反应，并识别可预测感染或脓毒症等并发症的因素。通过研究临床信息、血液和组织样本中的模式，开发旨在改进诊断并指导未来治疗的计算机模型。符合条件的参与者为18至80岁、烧伤面积超过全身表面积（TBSA）10%、需要在SC2i成员机构（如Emory、Grady、USF、USAISR）的重症监护或急诊环境中接受治疗的男性和女性。所有参与者或其法定授权代表（LAR）必须提供知情同意。预计约40名患者参与。
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。
