儿科癌症患者医院感染监测
该数据集来自clinicaltrials.gov,为前瞻性多中心监测研究,针对高风险儿科癌症患者感染与血栓并发症常规管理中所收集的数据

基本信息
资源简介
儿科癌症患者医院感染监测
该数据集来自clinicaltrials.gov,为前瞻性多中心监测研究,针对高风险儿科癌症患者感染与血栓并发症常规管理中所收集的数据。覆盖的病症包括Nosocomial Infections、Bloodstream Infection和Invasive Aspergillosis。主要目标包括描述选定医院感染的流行病学、允许参与机构与参考数据库及其他中心比较结果,以降低感染发生密度和导管相关感染发生率,并通过质量改进促进患者安全。可用于儿科肿瘤患者医院感染的流行病学分析与监测比较(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:Nosocomial Infections、Bloodstream Infection、Invasive Aspergillosis。研究类型:前瞻性多中心监测研究,涉及高风险儿科癌症患者感染和血栓并发症常规管理期间收集的文件数据。Oncoped 2006研究的主要目标:1. 从前瞻性多中心监测角度,在单位层面以及来自前瞻性多中心监测的累积数据参考数据库中,描述儿科癌症患者中选定医院感染的流行病学。2. 允许参与机构将其自身结果与其他中心及参考数据库(中位数和75百分位数)进行比较。降低儿科癌症患者医院感染的发生密度和导管相关感染的发生率。3. 通过质量a促进患者安全
【主题与分类】
主题标签:Nosocomial Infections、Bloodstream Infection、Invasive Aspergillosis。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00843804
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/NCT00843804
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:医院感染、血流感染、侵袭性曲霉病。研究类型:前瞻性多中心监测研究,参考在高危儿科癌症患者感染性和血栓性并发症管理过程中常规收集的档案数据。Oncoped 2006研究的主要目标 1. 从前瞻性多中心监测的角度,描述儿科癌症患者中选定医院感染的流行病学,既包括单位层面,也包括来自累积数据的参考数据库。 2. 使参与机构能够 * 将其自身结果与其他中心及参考数据库(中位数和第75百分位数)进行比较。 * 降低儿科癌症患者医院感染的发病密度和导管相关感染的发病率。 3. 通过质量保证和减少医院感染来促进患者安全。 4. 描述与所记录的医院感染事件相关的客观结局变量(死亡率、住院时间、需要重症监护、需要外科干预) 5.
加强医疗团队与感染控制人员及传染病专家在此临床情境中的实际协作。6. 描述血流感染细菌病原体的分布,并以标准化方法(中心参考实验室)确定血液培养中检出的细菌病原体对该高危人群中一线和二线抗菌药物的敏感性(最低抑菌浓度)。7. 检测具有新发抗菌药物耐药类型的细菌分离株。8. 描述儿科癌症患者中与医院感染相关的抗菌药物和抗真菌药物的治疗使用情况。9. 描述儿科癌症患者中侵袭性曲霉病的发病率和发病密度。10. 描述常见及新发病毒性呼吸道病原体(RSV、Influenza、hMPV、hCoV、hBoV)在儿科
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。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。




