快速抗菌药物敏感性检测工具对抗菌药物管理与临床结局的影响(ACT-FAST)
ACT-FAST 是一项多中心、开放标签、随机、适应性临床试验,作为更广泛适应性平台的第一个领域,评估基于快速抗菌药物敏感性检测(R-AST)指导的“早期靶向”抗生素治疗与标准经验性治疗相比,在疑似血流感染患者中的临床与抗菌药物管理影响

基本信息
资源简介
快速抗菌药物敏感性检测工具对抗菌药物管理与临床结局的影响(ACT-FAST)
ACT-FAST 是一项多中心、开放标签、随机、适应性临床试验,作为更广泛适应性平台的第一个领域,评估基于快速抗菌药物敏感性检测(R-AST)指导的“早期靶向”抗生素治疗与标准经验性治疗相比,在疑似血流感染患者中的临床与抗菌药物管理影响。研究对象为血培养阳性但病原体鉴定和药敏结果尚未回报的患者,随机进入实验组(使用 R-AST 工具快速提供表型或基因型药敏数据)或标准治疗组。该数据集可用于研究快速药敏检测对血流感染患者抗生素使用和临床结局的作用(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:血流感染、革兰阴性菌感染、革兰阳性菌感染、菌血症脓毒症。ACT-FAST 是一项多中心、开放标签、随机、适应性临床试验,设计为更广泛适应性平台的第一个领域。该研究评估在疑似血流感染(BSI)患者中,由快速抗菌药物敏感性检测(R-AST)指导的“早期靶向”抗生素治疗与标准经验性治疗相比的临床和抗菌药物管理影响。研究人群由血培养阳性但病原体鉴定和药敏结果仍待回报的患者组成。参与者被随机分配到两种诊断策略之一: 实验组:使用 R-AST 检测工具处理血培养,以提供快速表型或基因型药敏数据。 标准治疗(SoC)组:血培养被 pro
【主题与分类】
主题标签:Bloodstream Infection、Gram-Negative Infections、Gram-Positive Infections、Bacteremia Sepsis。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/NCT07491419
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/NCT07491419
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
疾病:血流感染、革兰阴性菌感染、革兰阳性菌感染、菌血症脓毒症。ACT-FAST是一项多中心、开放标签、随机、适应性临床试验,设计为更广泛适应性平台的首个领域。该研究评估在疑似血流感染(BSI)患者中,由快速抗菌药物敏感性检测(R-AST)指导的“早期靶向”抗生素治疗与标准经验性治疗相比的临床和抗菌药物管理影响。研究人群包括血培养阳性但病原体鉴定和药敏结果仍待定的患者。参与者被随机分配至两种诊断策略之一:* 实验组:使用R-AST检测工具处理血培养,以提供快速表型或基因型药敏数据。* 标准治疗(SoC)组:按照参与中心的标准实验室诊断工作流程处理血培养。在两组中,结果均传达给治疗临床医生,临床医生根据其临床判断和常规实践调整抗生素治疗。
作为一项适应性试验,随机化比例可根据活性干预组的数量进行调整。为确保科学严谨性,结局评估者对于治疗分配保持盲态。患者总共随访28天,以评估临床结局和抗菌药物管理目标。该平台设计允许通过未来的方案修订整合额外的R-AST工具或干预措施,确保该研究始终处于诊断创新的前沿。
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。




