2020至2025年法国镰状细胞病儿童侵袭性细菌感染流行病学研究
该数据集来自clinicaltrials.gov,对应DREPIBAC研究,是一项在法国医院中心开展的回顾性、多中心观察性研究,覆盖2020年1月1日至2025年12月31日期间镰状细胞病儿童的侵袭性细菌感染

基本信息
资源简介
2020至2025年法国镰状细胞病儿童侵袭性细菌感染流行病学研究
该数据集来自clinicaltrials.gov,对应DREPIBAC研究,是一项在法国医院中心开展的回顾性、多中心观察性研究,覆盖2020年1月1日至2025年12月31日期间镰状细胞病儿童的侵袭性细菌感染。镰状细胞病儿童对侵袭性细菌感染尤其易感,特别是肺炎链球菌感染;抗生素预防及针对b型流感嗜血杆菌和肺炎链球菌的疫苗接种已改变此类感染的流行病学。数据可用于分析该人群侵袭性细菌感染的病原分布与流行病学特征(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:镰状细胞病(SCD)、侵袭性细菌感染。DREPIBAC是一项在法国医院中心开展的回顾性、多中心观察性研究,随访镰状细胞病儿童。该研究聚焦于2020年1月1日至2025年12月31日期间发生的侵袭性细菌感染。镰状细胞病儿童尤其易感侵袭性细菌感染,特别是由Streptococcus pneumoniae引起的感染。过去数十年间,抗生素预防以及针对b型流感嗜血杆菌和Streptococcus pneumoniae的疫苗接种已改变了这些感染的流行病学。既往欧洲数据提示,该人群中导致侵袭性细菌感染的细菌病原体分布已发生变化。此外,新肺炎球菌结合疫苗的近期可及性凸显了需
【主题与分类】
主题标签:Sickle Cell Disease (SCD)、Invasive Bacterial Infections。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/NCT07639008
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/NCT07639008
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:镰状细胞病(SCD)、侵袭性细菌感染。DREPIBAC是一项回顾性、多中心观察性研究,在法国医院中心开展,随访镰状细胞病患儿。该研究聚焦于2020年1月1日至2025年12月31日期间发生的侵袭性细菌感染。镰状细胞病患儿尤其易感侵袭性细菌感染,特别是由肺炎链球菌引起的感染。过去数十年来,抗生素预防以及针对b型流感嗜血杆菌和肺炎链球菌的疫苗接种已改变了这些感染的流行病学特征。既往欧洲数据提示,该人群中导致侵袭性细菌感染的细菌病原体分布已发生变化。此外,近期新型肺炎球菌结合疫苗的可及性凸显了在法国获取最新流行病学数据的必要性。该研究的主要目标是确定2020年至2025年间法国镰状细胞病患儿侵袭性细菌感染的细菌分布。
次要目标包括评估所识别细菌与儿童临床特征之间的相关性,评估肺炎球菌结合疫苗对导致侵袭性感染的肺炎链球菌血清型的理论覆盖范围,以及估计该人群中侵袭性细菌感染的发生率。数据将从医院病历中回顾性收集,并由参与中心的调查人员录入安全的REDCap电子病例报告表。收集的数据将包括人口学和临床特征、镰状细胞病表型、疫苗接种状态、感染特征、微生物学发现、实验室数据、治疗、住院过程和结局。数据将使用唯一的研究代码进行假名化处理。预期样本量约为300名儿童。将进行描述性分析以估计比
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。




