瑞典重症监护生物样本库
条件：任何导致危重疾病的基础疾病。这项观察性研究的目标是了解瑞典成人重症监护室（ICU）患者发生危重疾病的遗传和分子风险因素
基本信息
资源简介
瑞典重症监护生物样本库
SWedish Intensive Care Biobank 是一项在瑞典开展的重症监护观察性研究，聚焦于成人重症监护室（ICU）患者发生危重疾病的遗传与分子风险因素。该数据集来源于 clinicaltrials.gov，本站将其归入感染性疾病 / 脓毒症分类，主题标签为“任何导致危重疾病的基础疾病”。研究的核心目标在于理解为何部分成人 ICU 患者会发展为危重疾病，并探索遗传变异、循环蛋白与代谢物在其中的作用。研究拟通过采集患者血液样本、结合遗传分析与国家健康登记数据联动，构建一套能够支持快速样本采集与分析的国家级基础设施，从而为危重疾病的机制研究和后续研究提供支撑。
【数据集背景】
该数据集对应的研究关注成人 ICU 患者中危重疾病的发生机制。其背景问题包括：哪些遗传变异与感染、脓毒症和器官衰竭等疾病所致危重疾病的风险升高相关；循环蛋白和代谢物能否介导遗传风险因素对疾病严重程度的影响。研究以瑞典成人 ICU 患者为对象，属于观察性研究设计，旨在从遗传和分子层面理解危重疾病的易感性与严重程度差异。
【数据内容】
数据集涉及的内容围绕危重疾病的遗传与分子风险因素展开。研究关注的主要问题包括遗传变异与感染、脓毒症、器官衰竭等疾病所致危重疾病风险之间的关联，以及循环蛋白和代谢物在遗传风险因素影响疾病严重程度过程中的潜在介导作用。参与者需提供血液样本，并同意进行遗传分析以及与全国健康登记系统的数据联动。其 ICU 治疗与结局将通过登记数据和临床数据进行随访。主题标签为“任何导致危重疾病的基础疾病”，本站分类为感染性疾病 / 脓毒症。
【采集与来源】
数据来源为 clinicaltrials.gov。采集方式包括：参与者在 ICU 入院时提供血液样本，并在出院后 3 至 6 个月再次提供血液样本；参与者同意接受遗传分析，并同意将其数据与全国健康登记系统进行联动；其 ICU 治疗和结局通过登记数据与临床数据进行随访。研究目标之一是建立一套国家级基础设施，用于快速样本采集与分析，并可支持后续研究。
【适用场景】
该数据集适用于关注危重疾病遗传与分子风险因素的研究场景，尤其是与感染、脓毒症和器官衰竭相关的危重疾病。其设计支持对遗传变异与危重疾病风险之间关联的探索，也支持对循环蛋白和代谢物是否介导遗传风险因素影响疾病严重程度的分析。此外，由于研究拟构建国家级快速样本采集与分析基础设施，该数据集还可用于支持需要快速样本处理和分析的后续研究。本站分类将其归入感染性疾病 / 脓毒症，因此也适合该领域的相关研究使用。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/NCT07582601
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
条件：任何危重疾病的潜在病因。这项观察性研究的目标是了解瑞典成人重症监护室（ICU）患者发生危重疾病的遗传和分子风险因素。它旨在回答的主要问题是：哪些遗传变异与感染、脓毒症和器官衰竭等疾病导致危重疾病风险增加相关？循环蛋白质和代谢物能否介导遗传风险因素对疾病严重程度的影响？参与者将：在入住ICU时以及出院后3-6个月再次提供血液样本；同意进行遗传分析并与国家健康登记系统进行数据关联；通过登记系统和临床数据对其ICU治疗和结局进行随访。这项研究旨在建立一套国家基础设施，用于快速样本采集和分析，同时也能支持未来大流行病的研究。
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。
