儿童医院出院抗生素管理
该数据集来自 clinicaltrials.gov,聚焦儿童医院出院环节的抗生素管理(discharge stewardship),涉及细菌性肺炎、儿童肺炎、尿路感染、软组织感染、皮肤感染和社区获得性肺炎等病种

基本信息
资源简介
儿童医院出院抗生素管理
该数据集来自 clinicaltrials.gov,聚焦儿童医院出院环节的抗生素管理(discharge stewardship),涉及细菌性肺炎、儿童肺炎、尿路感染、软组织感染、皮肤感染和社区获得性肺炎等病种。儿科抗生素管理项目(ASP)旨在优化抗生素使用、改善临床结局、减少药物不良事件并遏制耐药菌产生,但出院过渡期的管理仍属未满足需求。数据可用于研究出院抗生素处方模式、评估管理干预效果及探索优化出院用药策略(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:细菌性肺炎、儿童肺炎、尿路感染、软组织感染、皮肤感染、社区获得性肺炎。医院和门诊环境中的儿科抗生素管理项目(ASP)优化抗生素使用,以改善临床结局、减少药物不良事件并减少抗生素耐药细菌的出现。然而,对于从医院出院过渡到家庭的患者的抗生素管理,即“出院抗生素管理”,由于若干原因仍是一个未满足的需求。第一,很少有儿科抗生素管理项目开展出院抗生素管理。第二,约30%的儿科患者在出院时接受抗生素。第三,住院患者所开具的抗生素使用天数大部分发生在出院后。第四,高达一半的出院抗生素处方是次优的,其中包括选择 t
【主题与分类】
主题标签:Pneumonia, Bacterial、Pneumonia Childhood、Urinary Tract Infections、Soft Tissue Infections、Skin Infections、Community-acquired Pneumonia。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/NCT05826873
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/NCT05826873
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:细菌性肺炎、儿童肺炎、尿路感染、软组织感染、皮肤感染、社区获得性肺炎。医院和门诊环境中的儿科抗生素管理项目(ASPs)优化抗生素使用,以改善临床结果、减少药物不良事件,并减少抗生素耐药细菌的出现。然而,对于从医院出院过渡到家庭的患者的抗生素管理,即“出院抗生素管理”,由于几个原因仍未得到满足。首先,很少有儿科抗生素管理项目执行出院抗生素管理。其次,大约30%的儿科患者在出院时接受抗生素治疗。第三,住院患者所开具的抗生素天数大部分发生在出院后。第四,高达一半的出院抗生素处方是次优的,包括选择错误的药物、剂量、给药途径或治疗持续时间。
本项目将采用实施科学框架,针对住院儿童抗生素处方最常见的三种适应症——社区获得性肺炎(CAP)、尿路感染(UTI)和皮肤/软组织感染(SSTI)——在四家儿童医院开发、实施并检验一项多层面出院管理干预措施的有效性,为未来扩展至更多目标人群奠定基础。干预将涵盖抗生素选择、剂量、给药途径及疗程。目标1是在四个参与站点开发、本地化调整并实施出院管理干预措施。整合式健康服务研究实施促进行动框架(i-PARIHS)将指导快速形成性评估,以识别各站点可能促进或阻碍出院管理干预实施的情境因素。基于这些结果,本地协调员将致力于开发和实施一项出院管理干预措施,该措施由针对CAP、UTI和SSTI的共识驱动临床处方指南以及每季度反馈的p
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。




