早期地塞米松对严重烧伤主要并发症及全因死亡率的影响
该数据集来自 clinicaltrials.gov,聚焦严重烧伤人群,主题为早期使用地塞米松对主要并发症及全因死亡率的影响

基本信息
资源简介
早期地塞米松对严重烧伤主要并发症及全因死亡率的影响
该数据集来自 clinicaltrials.gov,聚焦严重烧伤人群,主题为早期使用地塞米松对主要并发症及全因死亡率的影响。源站描述指出烧伤每年影响全球超过 1100 万人,造成严重疾病负担,年死亡超过 18 万例,尤其在低中收入国家。严重烧伤引发局部和全身炎症反应,炎症介质过度产生可导致加重的全身炎症反应综合征(SIRS),并与烧伤总面积(TBSA)相关,进而增加脓毒症、急性呼吸窘迫综合征(ARDS)及急性肾损伤等器官衰竭风险。数据可用于研究烧伤后炎症相关并发症与死亡风险的预测建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:严重烧伤。烧伤每年影响全球超过 1100 万人。这些损伤导致严重疾病负担,并每年造成超过 18 万例死亡,尤其是在低中收入国家。严重烧伤引发重要的局部和全身炎症反应,该反应可能失控。这种炎症是促进组织愈合的生理现象。然而,炎症介质的过度产生可能导致加重的全身炎症反应综合征(SIRS)。近期,烧伤总面积(TBSA)已显示与促炎介质(如 IL-6)的持续升高良好相关。这种 SIRS 反过来又导致脓毒症、急性呼吸窘迫综合征(ARDS)以及一般器官衰竭(如急性肾)风险增加。
【主题与分类】
主题标签:Severe Burns。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/NCT06968559
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/NCT06968559
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
疾病情况:严重烧伤。全球每年有超过1100万人受到烧伤影响。这类损伤导致严重的并发症,造成沉重的社会负担,并且每年造成超过18万人死亡,尤其是在低收入和中等收入国家。大面积烧伤会引发重要的局部和全身炎症反应,这种反应可能超出机体调控能力。这种炎症是一种有利于组织愈合的生理现象。然而,炎症介质的过度产生可能导致加剧的全身炎症反应综合征(SIRS)。近年来,烧伤总面积(TBSA)已显示与促炎介质(如IL-6)的持续升高具有良好的相关性。这种SIRS反过来又增加了脓毒症、急性呼吸窘迫综合征(ARDS)以及一般性器官衰竭(如急性肾损伤(AKI))的风险,其中大多数发生在入院第一周内。
皮质类固醇(CS)已证实对急性医学中SIRS诱导的器官功能障碍或死亡率有效,尤其是在感染性休克、多发伤患者中,以及最近在病毒性或非病毒性ARDS的治疗中,且不增加继发性细菌并发症或显著副作用的风险。事实上,近期SCCM指南明确提倡在重症社区获得性肺炎、感染性休克和ARDS中使用CS。研究者近期开展了一项大型多中心、双盲随机对照试验(PACMAN试验,PHRC-N 2016),纳入1222例拟行大手术的患者,研究者观察到地塞米松组血CRP浓度大幅下降。干预组AKI发生率及机械通气需求也显著降低。ICU中严重烧伤患者需接受多次手术,包括重大手术(切除、皮肤移植),使其在某些方面与PACMAN试验中的患者颇为相似。
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。




