耐药微生物感染患者的临床结局
其目标是通过个体患者数据 meta 分析，评估高收入国家中由目标耐药病原体引起的常见感染所带来的归因负担与相关健康负担，并比较耐药株感染与敏感株感染、无感染人群之间的健康负担差异
基本信息
资源简介
耐药微生物感染患者的临床结局
该数据集来自 clinicaltrials.gov，聚焦耐药微生物感染患者的临床结局，覆盖肺炎、血流感染、尿路感染、皮肤感染和手术部位感染，涉及 Staphylococcus Aureus、Klebsiella Pneumonia、Escherichia Coli 等病原体。其目标是通过个体患者数据 meta 分析，评估高收入国家中由目标耐药病原体引起的常见感染所带来的归因负担与相关健康负担，并比较耐药株感染与敏感株感染、无感染人群之间的健康负担差异。可用于耐药感染负担评估与临床结局预测研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：Conditions: Pneumonia, Bloodstream Infection, Urinary Tract Infections, Skin Infection, Surgical Site Infection, Staphylococcus Aureus, Klebsiella Pneumonia, Escherichia Coli. 本个体患者数据 meta 分析的目标是估计高收入国家中由目标耐药病原体引起的血流感染、肺炎、皮肤和软组织感染、手术部位感染和尿路感染相关的归因健康负担和相关健康负担。其主要旨在回答的问题是： 与由敏感株引起的相同感染的个体相比，由耐药病原体引起的常见感染是否与健康负担增加相关（归因负担）？ 与没有该感染的个体相比，由耐药病原体引起的常见感染是否与健康负担增加相关
【主题与分类】
主题标签：Pneumonia、Bloodstream Infection、Urinary Tract Infections、Skin Infection、Surgical Site Infection、Staphylococcus Aureus、Klebsiella Pneumonia、Escherichia Coli、Enterococcus Faecium Infection、Acinetobacter Infections。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/NCT05880069
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/NCT05880069
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：肺炎、血流感染、尿路感染、皮肤感染、手术部位感染、金黄色葡萄球菌、肺炎克雷伯菌、大肠埃希菌。这项个体患者数据荟萃分析的目标是估计高收入国家中由目标耐药病原体引起的血流感染、肺炎、皮肤和软组织感染、手术部位感染及尿路感染相关的归因健康负担和关联健康负担。其旨在回答的主要问题是：* 与感染相同敏感菌株的个体相比，由耐药病原体引起的常见感染是否与健康负担增加相关（归因负担）？* 与未感染所研究感染的个体相比，由耐药病原体引起的常见感染是否与健康负担增加相关（关联负担）？
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。
