数据挑战：撒哈拉以南非洲抗菌药物耐药性的临床负担

数据集获取

源站：https://doi.org/10.25934/pr00013405

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

抗菌药物耐药性（AMR）日益受到认识，并对全球卫生系统构成重大威胁，但在许多非洲医疗环境中，关于耐药感染如何影响患者结局的证据仍然有限。现有的大量文献仅关注耐药率和病原体分布，而只有较少的研究探讨了AMR对住院患者的直接后果。理解这些后果对于指导感染预防工作、抗菌药物管理项目及卫生政策至关重要。本项目将使用来自“改善抗菌药物耐药性行动数据监测伙伴关系”（SPIDAAR）的数据，这是一项在乌干达、加纳、肯尼亚和马拉维的医院中开展的多中心研究。该数据集很可能为我们提供一个宝贵的机会，以研究医疗相关感染患者中抗菌药物耐药性与临床结局之间的关系。

我们的研究将聚焦于患有血流感染、医院获得性肺炎、复杂性尿路感染、复杂性腹腔内感染以及复杂性皮肤和软组织感染的成人和儿科患者。我们的主要目标是确定抗菌药物耐药性是否与较差的结果相关，包括死亡率、治疗失败和住院时间延长。在初步分析中，我们将描述参与中心病原体的分布和耐药模式。随后，将使用多变量统计模型来探索耐药感染与不良临床结果之间的关联，同时考虑可用的患者和医院特征。通过关注患者结果而非仅仅关注耐药流行率，我们的项目旨在更清晰地呈现撒哈拉以南非洲地区抗菌药物耐药性的现实负担。我们这项研究的发现可能有助于为临床

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。