Plazomicin 对比 Colistin 治疗碳青霉烯耐药肠杆菌感染的研究
该数据集来自 clinicaltrials.gov,主题为 Plazomicin 与 Colistin 治疗碳青霉烯耐药肠杆菌(CRE)感染的研究,本站归类于呼吸系统疾病/肺炎

基本信息
资源简介
Plazomicin 对比 Colistin 治疗碳青霉烯耐药肠杆菌感染的研究
该数据集来自 clinicaltrials.gov,主题为 Plazomicin 与 Colistin 治疗碳青霉烯耐药肠杆菌(CRE)感染的研究,本站归类于呼吸系统疾病/肺炎。源站描述显示,这是一项 3 期研究,包含随机开放标签优效性队列(Cohort 1),比较 plazomicin 与 colistin 联合第二种抗生素(meropenem 或 tigecycline)治疗 CRE 所致血流感染(BSI)、医院获得性细菌性肺炎(HABP)或呼吸机相关性细菌性肺炎(VABP)患者的疗效与安全性;另设单臂队列(Cohort 2),纳入不符合另一队列条件的 CRE 所致 BSI、HABP、VABP、复杂性尿路感染(cUTI)或急性肾。
【数据内容】
源站描述(机器翻译,仅供参考):条件:CRE 所致血流感染(BSI)、CRE 所致医院获得性细菌性肺炎(HABP)、CRE 所致呼吸机相关性细菌性肺炎(VABP)、CRE 所致复杂性尿路感染(cUTI)、CRE 所致急性肾盂肾炎(AP)。这是一项 3 期研究,包含一个随机开放标签优效性队列(Cohort 1),比较 plazomicin 与 colistin 联合第二种抗生素(meropenem 或 tigecycline)治疗 CRE 所致血流感染(BSI)、医院获得性细菌性肺炎(HABP)或呼吸机相关性细菌性肺炎(VABP)患者的疗效与安全性。另一个队列纳入不符合另一队列入选条件的 CRE 所致 BSI、HABP、VABP、复杂性尿路感染(cUTI)或急性肾盂肾炎(AP)患者,进入单臂(Cohort 2)并接受治
【主题与分类】
主题标签:Bloodstream Infections (BSI) Due to CRE、Acute Pyelonephritis (AP) Due to CRE。本站分类:呼吸系统疾病/肺炎。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01970371
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/NCT01970371
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:由CRE引起的血流感染(BSI)、由CRE引起的医院获得性细菌性肺炎(HABP)、由CRE引起的呼吸机相关性细菌性肺炎(VABP)、由CRE引起的复杂性尿路感染(cUTI)、由CRE引起的急性肾盂肾炎(AP)。这是一项3期研究,包含一个随机开放标签优效性队列(队列1),比较普拉佐米星与黏菌素分别联合第二种抗生素(美罗培南或替加环素)治疗由CRE引起的血流感染(BSI)、医院获得性细菌性肺炎(HABP)或呼吸机相关性细菌性肺炎(VABP)患者的疗效和安全性。另一个由CRE引起的BSI、HABP、VABP、复杂性尿路感染(cUTI)或急性肾盂肾炎(AP)且不符合另一队列入选条件的患者队列被纳入单臂(队列2),接受以普拉佐米星为基础的治疗。采用治疗药物管理(TDM)以帮助确保普拉佐米星暴露量处于目标平均稳态药时曲线下面积(AUC)的可接受范围内。
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。




