机器学习决策支持系统用于经验性抗生素治疗的临床影响

数据集获取

源站：https://clinicaltrials.gov/study/NCT07762378

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：细菌性肺炎、细菌性尿路感染、血流感染。本准实验研究旨在分析机器学习临床决策支持系统能否改善肺炎、尿路感染和/或脓毒症患者的经验性抗生素治疗。其主要研究问题包括：* 主要结局：临床成功，定义为临床治愈（感染相关的所有体征和症状消退）；至第30天无并发症（复发或发生不良事件-AEs-）；未新获得多重耐药菌；以及第30天存活。* 次要结局：根据参与者所在科室、感染综合征、通过SOFA评分评估的感染严重程度，以及在微生物学确诊感染中，对主要结局进行亚组分析。

在微生物学确诊感染中，根据β-内酰胺分类，抗菌治疗管理（MAT）的预期结果排序（DOOR）。研究人员将比较干预前组与干预后组，以观察DOOR MAT评分是否改善。干预后组的参与者将：• 根据机器学习建议，接受由其主治医师开具的经验性抗生素治疗。

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。