mNGS指导的序贯培养策略用于术后交叉韧带重建感染(CLRI)的回顾性队列研究
该数据集来自clinicaltrials.gov,为一项回顾性单中心队列研究,评估疑似术后交叉韧带重建感染(CLRI)患者

基本信息
资源简介
mNGS指导的序贯培养策略用于术后交叉韧带重建感染(CLRI)的回顾性队列研究
该数据集来自clinicaltrials.gov,为一项回顾性单中心队列研究,评估疑似术后交叉韧带重建感染(CLRI)患者。研究纳入50例临床诊断为CLRI的患者和30例因无菌性失败(AF)接受翻修手术的对照患者,覆盖2015年1月至2026年1月。数据涉及术前关节液无菌抽取并分装,分别进行常规需氧/厌氧培养和mNGS检测。该数据可用于比较mNGS与常规培养在CLRI诊断中的表现,支持感染鉴别与诊断策略研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:交叉韧带重建感染、化脓性关节炎、手术伤口感染、关节感染。英文版本:这是一项回顾性、单中心队列研究,评估2015年1月至2026年1月期间因疑似术后交叉韧带重建感染(CLRI)而接受评估的患者。研究纳入50例临床诊断为CLRI的患者和30例因无菌性失败(AF)接受翻修手术的对照患者。研究方案:在无菌条件下抽取治疗前关节液,并分装为至少三份。常规培养:第一份立即使用常规需氧和厌氧微生物培养方法处理(孵育长达7-14天)。mNGS检测:第二份立即运送进行宏基因组下一代测序(mNGS)检测 t
【主题与分类】
主题标签:Septic Arthritis、Surgical Wound Infection、Joint Infection。本站分类:肌肉骨骼系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07852598
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/NCT07852598
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:交叉韧带重建感染、化脓性关节炎、手术伤口感染、关节感染。英文版本:这是一项回顾性、单中心队列研究,评估2015年1月至2026年1月期间因疑似术后交叉韧带重建感染(CLRI)而接受评估的患者。该研究纳入了50例临床诊断为CLRI的患者和30例因无菌性失败(AF)接受翻修手术的对照患者。研究方案:在无菌条件下抽取治疗前滑液,并分为至少三份。常规培养:第一份立即采用常规需氧和厌氧微生物培养方法处理(孵育长达7-14天)。mNGS检测:第二份立即运送进行宏基因组下一代测序(mNGS)检测,以快速识别潜在的微生物核酸。mNGS指导的改良培养:第三份保存于-80°C。
一旦mNGS结果可得(48小时内),临床微生物学家会审核检出的微生物,并针对保存的等分样本对后续培养方案制定个体化修改。这些修改根据疑似病原体的生物学特性量身定制,包括使用专用培养基(如沙氏葡萄糖琼脂、分枝杆菌生长指示管系统)、延长培养时间、严格厌氧条件以及补充鉴定程序。目的与评估:主要目的是比较治疗前常规培养、治疗前mNGS以及序贯mNGS指导的改良培养策略之间的诊断效能(活病原体的阳性检出率)。该研究还评估这种增强的、可操作的微生物学信息如何为个体化临床管理提供依据。具体而言,它评估治疗决策算法——整合病原体特征、感染持续时间和移植物/固定装置的机械稳定性——以确定th
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




