严重注射相关感染后成瘾治疗保留与再参与(RETAIN)
该数据集来自clinicaltrials.gov,聚焦阿片使用障碍及严重注射相关感染(包括血流感染、骨髓炎、心内膜炎、化脓性关节炎、硬膜外脓肿)住院患者

基本信息
资源简介
严重注射相关感染后成瘾治疗保留与再参与(RETAIN)
该数据集来自clinicaltrials.gov,聚焦阿片使用障碍及严重注射相关感染(包括血流感染、骨髓炎、心内膜炎、化脓性关节炎、硬膜外脓肿)住院患者。项目为一项试点研究,测试经改编的Recovery Management Checkups(RMC)治疗保留干预,该干预基于主要研究者既往定性研究结果,针对严重注射相关感染住院患者的经历与独特问题进行了调整。研究计划在较小参与者群体中评估该改编干预的可行性、可接受性,并计算干预疗效的早期发现(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:阿片使用障碍、血流感染、骨髓炎、心内膜炎、化脓性关节炎、硬膜外脓肿。本项目是一项试点研究,测试对现有阿片使用障碍(OUD)治疗保留干预——Recovery Management Checkups(RMC)——进行改编后的干预。该干预基于主要研究者先前一项定性研究的发现进行了调整,以更好地契合因严重注射相关感染(SIRI)住院者的经历和独特问题。本项目计划在较小的参与者群体中测试该改编干预,以评估可行性、可接受性,并计算干预疗效的早期发现。SIRI住院是患者通过阿片使用障碍药物(MOUD)开始康复旅程的独特切入点,但许多人未能继续使用lon
【主题与分类】
主题标签:Opioid Use Disorder、Bloodstream Infection、Osteomyelitis、Endocarditis、Septic Arthritis、Epidural Abscess。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/NCT06489535
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/NCT06489535
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:阿片类药物使用障碍、血流感染、骨髓炎、心内膜炎、化脓性关节炎、硬膜外脓肿。本项目是一项试点研究,针对现有阿片类药物使用障碍(OUD)治疗留存干预措施——康复管理随访(RMC)的改编版本进行干预研究。基于主要研究者此前一项定性研究的发现,该干预措施已经过改编,以更好地契合因严重注射相关感染(SIRI)住院患者的经历和独特问题。本项目计划在较小规模的参与者群体中测试改编后的干预措施,以评估可行性、可接受性,并计算干预效果的早期发现。SIRI住院为患者提供了一个独特的切入点,使其能够通过阿片类药物使用障碍药物(MOUD)开启康复之旅,但许多人未能坚持长期治疗,尽管有证据表明MOUD可降低SIRI后的死亡和再住院风险。研究目标为:* 评估改编版RMC模型在SIRI合并OUD患者中的实施可行性。* 建立干预效果的初步估计。
- 对干预措施进行进一步调整,以减少已知和未知的照护障碍,并提高未来更大规模试验中的有效性。本试点研究的结果将促成干预措施的进一步完善,以更好地契合目标人群,并为一项更大规模的随机对照试验奠定基础,该试验的目标将侧重于对该项目疗效进行更深入的分析。
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。




