蜂窝织炎抗生素治疗疗程研究
该数据集来自 clinicaltrials.gov，聚焦蜂窝织炎与丹毒患者的抗生素治疗时长问题。源站描述指出，蜂窝织炎是导致住院的常见感染之一，但最佳疗程尚不明确；荷兰指南推荐 10-14 天抗生素作为当前标准治疗，而近期研究显示肺炎和尿路感染的抗生素治疗可安全显著缩短，门诊非复杂性蜂窝织炎 5 天
基本信息
资源简介
蜂窝织炎抗生素治疗疗程研究
Duration of ANtibiotic Therapy for CEllulitis 是一个登记于 clinicaltrials.gov 的研究数据集，主题聚焦蜂窝织炎与丹毒患者接受抗生素治疗的时长问题。蜂窝织炎是导致住院的常见感染之一，但其最佳治疗疗程在临床上仍缺乏明确界定。荷兰指南目前推荐 10 至 14 天抗生素治疗，并以此作为标准治疗。近期研究显示，肺炎和尿路感染的抗生素治疗可以安全且显著地缩短；在门诊环境下，非复杂性蜂窝织炎采用 5 天抗生素治疗与 10 天治疗同样有效。基于这些背景，该研究提出假设：住院蜂窝织炎患者接受短疗程（6 天）或标准疗程（12 天）抗生素治疗，其结局没有差异。
【数据集背景】
该数据集所对应的研究围绕蜂窝织炎和丹毒的抗生素治疗时长展开。蜂窝织炎是导致住院的最常见感染之一，然而其最佳治疗持续时间仍不明确。在实际临床实践中，荷兰指南建议使用 10 至 14 天的抗生素治疗，这构成了当前的标准治疗。近年来，已有证据表明肺炎和尿路感染的抗生素治疗可以安全且显著地缩短疗程。更重要的是，在门诊环境中，非复杂性蜂窝织炎使用 5 天抗生素治疗与使用 10 天同样有效。这些发现促使研究者提出假设：对于因蜂窝织炎住院的患者，短疗程（6 天）抗生素治疗与标准疗程（12 天）抗生素治疗在结局上不存在差异。
【数据内容】
该数据集的主题标签为 Cellulitis 和 Erysipelas，即蜂窝织炎与丹毒。源站描述中列出的疾病条件包括 Cellulitis 和 Erysipelas。研究关注的核心变量是抗生素治疗时长，具体涉及短疗程（6 天）与标准疗程（12 天）两种方案。源站描述还提及了荷兰指南推荐的 10 至 14 天标准治疗，以及门诊非复杂性蜂窝织炎 5 天与 10 天治疗的比较结果。除上述内容外，源站未提供关于具体数据字段、样本量、结局指标类型或数据结构的信息。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述中说明了研究条件为蜂窝织炎和丹毒，并阐述了研究背景与假设。除来源站为 clinicaltrials.gov 以及源站描述所包含的内容外，源站未提供关于数据采集方式、采集时间范围、采集地点或招募流程的更多信息。
【适用场景】
该数据集适用于关注蜂窝织炎与丹毒抗生素治疗时长的研究场景，尤其是探讨住院患者短疗程与标准疗程比较的临床研究。其背景信息也可用于参考肺炎、尿路感染等感染性疾病抗生素疗程缩短的相关证据，以及门诊非复杂性蜂窝织炎治疗时长的研究结果。除上述由源站描述所支持的场景外，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。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/NCT02032654
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
病症：蜂窝织炎、丹毒。蜂窝织炎是最常导致住院的感染之一，但其最佳治疗持续时间仍不明确。实用起见，荷兰指南建议使用抗生素10-14天，这是目前的治疗标准。近期研究表明，肺炎和尿路感染的抗生素治疗可以安全且显著地缩短。重要的是，在门诊环境下，无并发症蜂窝织炎的5天抗生素治疗与10天同样有效。我们假设，对于因蜂窝织炎住院的患者，接受短疗程（6天）或标准疗程（12天）抗生素治疗的结果并无差异。
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。
