降钙素原抗生素共识试验 (ProACT)

源站描述指出,急性疑似感染中的抗生素处方决策亟需改进:感染早期表现多样,常无典型体征,且与多种非感染性疾病临床重叠;而快速使用抗生素治疗细菌感染的需求导致了抗生素过度使用与耐药

University of PittsburghUniversity of Pittsburgh
clinicaltrials
浏览 9
其他分类Lower Respiratory Tract Infection (LRTI)
Procalcitonin Antibiotic Consensus Trial (ProACT)

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-08

资源简介

降钙素原抗生素共识试验 (ProACT)

ProACT 是来自 clinicaltrials.gov 的临床试验数据集,聚焦下呼吸道感染 (LRTI)。源站描述指出,急性疑似感染中的抗生素处方决策亟需改进:感染早期表现多样,常无典型体征,且与多种非感染性疾病临床重叠;而快速使用抗生素治疗细菌感染的需求导致了抗生素过度使用与耐药。将新型诊断与治疗策略结合已在肿瘤、心脏病等领域改善决策,旨在识别最可能从干预中获益或受损的患者,实现更个体化的诊疗。该数据可用于抗生素处方决策相关研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:下呼吸道感染 (LRTI)。急性疑似感染的抗生素处方决策亟需改进。感染,尤其是早期阶段,可表现多样,常不呈现“典型”体征,并在临床上与非感染性疾病重叠。然而,为细菌感染迅速给予抗生素的必要性已导致抗生素过度使用和耐药。将新型诊断与治疗相结合的策略已改善肿瘤、心脏病及其他领域的决策。这些策略旨在识别最可能从治疗干预中获益或受损的患者,并实现更个体化的诊疗。这种方法将诊断提升到新水平,要求检测不仅测量良好,还要通过将检测与临床诊疗相绑定来改善临床诊疗。

【主题与分类】

主题标签:Lower Respiratory Tract Infection (LRTI)。本站分类:肿瘤。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT02130986

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT02130986

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:下呼吸道感染(LRTI)。在急性疑似感染中,改进抗生素处方的决策制定显得尤为必要。感染,特别是在早期阶段,可能表现出多变的形式,往往不呈现“典型”症状,并在临床上与非感染性疾病相重叠。然而,为了迅速应对细菌感染而急于使用抗生素,导致了抗生素的过度使用和耐药性的产生。结合新型诊断与治疗策略已在肿瘤学、心脏病学及其他领域改善了决策过程。这些策略旨在识别那些最可能从治疗干预中获益或受损的患者,并促进更加个性化的护理。这种方法将诊断提升到了新的层次,要求检测不仅要有良好的测量性能,还必须通过将检测与治疗策略相挂钩来改善临床护理。降钙素原,作为一种细菌感染的新型生物标志物,可能有助于医生做出更恰当的抗生素决策。下呼吸道感染(LRTI)是进行此类试验的理想人群。

下呼吸道感染占抗生素处方的一大部分,并且体现了感染临床表型的不精确性。然而,普遍性和安全性这两个关键问题阻碍了其广泛应用。

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。

获取专属数据定制方案