S. maltophilia感染联合治疗与单药治疗对比
该数据集来自clinicaltrials.gov，聚焦S. maltophilia感染患者的治疗策略与结局，涵盖血流感染、细菌性肺炎等感染类型
基本信息
资源简介
S. maltophilia感染联合治疗与单药治疗对比
该数据集围绕嗜麦芽窄食单胞菌（Stenotrophomonas maltophilia）感染的治疗策略与结局展开，来源于clinicaltrials.gov，属于呼吸系统疾病／肺炎分类下的观察性研究数据。其核心关注点在于比较联合治疗与单药治疗在嗜麦芽窄食单胞菌感染患者中的效果差异，研究采用目标试验模拟方法，主要结局指标为全因30天死亡率。数据集覆盖的感染类型包括血流感染、细菌性肺炎以及嗜麦芽窄食单胞菌感染，适合用于抗感染治疗策略评价、感染性疾病预后分析等研究方向。
【数据集背景】
嗜麦芽窄食单胞菌是一种在临床中受到关注的感染病原体，可引发血流感染和细菌性肺炎等类型。针对该类感染，临床治疗中常面临单药治疗与联合治疗的选择问题。该数据集所依托的多中心观察性研究，旨在分析嗜麦芽窄食单胞菌感染患者的治疗策略及其结局，并采用目标试验模拟方法学来回答“联合治疗是否比单药治疗取得更好结果”这一核心问题。研究通过比较接受单药治疗与联合治疗的组别，观察全因30天死亡率是否存在差异。
【数据内容】
数据集的主题标签包括血流感染、细菌性肺炎和嗜麦芽窄食单胞菌感染。其内容聚焦于嗜麦芽窄食单胞菌感染患者的治疗策略与结局，涵盖血流感染、细菌性肺炎等感染类型。研究关注的主要问题为联合治疗与单药治疗在治疗嗜麦芽窄食单胞菌感染时的效果比较，具体比较维度为全因30天死亡率。除上述信息外，源站未提供关于具体变量字段、样本量、数据结构等更详细的内容。
【采集与来源】
该数据集来源于clinicaltrials.gov。源站描述显示，其依托的是一项多中心观察性研究，采用目标试验模拟方法学开展分析。除来源站和多中心观察性研究这一设计类型外，源站未提供关于采集时间范围、采集机构、采集流程等更多信息。
【适用场景】
基于现有信息，该数据集适用于与嗜麦芽窄食单胞菌感染相关的治疗策略与结局分析场景，尤其是围绕联合治疗与单药治疗比较的研究方向。其覆盖的感染类型包括血流感染和细菌性肺炎，因此可应用于这些感染类型的临床治疗评价与预后研究。此外，由于研究关注全因30天死亡率，也可用于以该指标为结局的观察性比较分析。源站未提供其他具体适用场景的说明。
【使用方法】
源站未提供关于该数据集具体使用方法的说明，包括数据获取方式、分析工具、操作步骤等均未在现有信息中体现。
【质量与限制】
源站未提供关于该数据集质量评价与限制条件的说明。现有信息仅表明其依托多中心观察性研究并采用目标试验模拟方法学，但未涉及样本代表性、数据完整性、偏倚控制等具体质量维度。
【引用与许可】
源站未提供关于该数据集的引用方式与许可条款信息。
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/NCT07593547
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
条件：血流感染、细菌性肺炎、嗜麦芽窄食单胞菌感染。这项多中心观察性研究的目标是采用目标试验模拟方法，分析嗜麦芽窄食单胞菌感染患者的治疗策略和结局。该研究旨在回答的主要问题是：• 在治疗嗜麦芽窄食单胞菌感染方面，联合治疗是否比单药治疗取得更好的效果？研究人员将比较接受单药治疗和联合治疗的组别，以了解在全因30天死亡率方面是否存在差异。
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。
