优化初级保健中急性病儿童的诊断与抗生素处方

研究结合诊断与干预,基于既往构建的决策树,该树对严重感染检测灵敏度达 97%,但会导致 12% 的急性病儿童被转诊,比例过高

KU LeuvenKU Leuven
clinicaltrials
浏览 13
医学影像分类SepsisBacteraemiaMeningitisAbscessPneumoniaOsteomyelitisCellulitisGastro-enteritis With DehydrationComplicated Urinary Tract Infection
Optimising Diagnosis and Antibiotic Prescribing for Acutely Ill Children in Primary Care

基本信息

模态
医学影像
任务类型
分类
创建/更新时间
2026-10-11

资源简介

优化初级保健中急性病儿童的诊断与抗生素处方

该数据集来自 clinicaltrials.gov,聚焦初级保健中急性病儿童的严重感染识别与抗生素处方优化,覆盖 Sepsis、Bacteraemia、Meningitis、Abscess、Pneumonia、Osteomyelitis、Cellulitis、Gastro-enteritis With Dehydration 等病症。研究结合诊断与干预,基于既往构建的决策树,该树对严重感染检测灵敏度达 97%,但会导致 12% 的急性病儿童被转诊,比例过高。数据可用于评估在临床体征与症状之外,新技术能否进一步减少假阳性,从而辅助严重感染的分类识别与转诊决策(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):病症:Sepsis、Bacteraemia、Meningitis、Abscess、Pneumonia、Osteomyelitis、Cellulitis、Gastro-enteritis With Dehydration。本研究是诊断研究与干预研究的结合。在先前的研究中,我们的研究团队基于体征和症状构建了一棵决策树,用于识别初级保健中急性病儿童的严重感染。该决策树在检测严重感染方面具有 97% 的出色灵敏度,但会导致所有急性病儿童中有 12% 被转诊,这一比例高得不可接受。我们的主要研究问题是:1. 除了测量临床体征和症状外,新的或现有的技术能否帮助识别门诊护理中急性病儿童的严重感染?转化为我们的研究设计:“在应用决策树之后,我们能否进一步减少假阳性数量(从而增加……

【主题与分类】

主题标签:Sepsis、Bacteraemia、Meningitis、Abscess、Pneumonia、Osteomyelitis、Cellulitis、Gastro-enteritis With Dehydration、Complicated Urinary Tract Infection。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/NCT02024282

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT02024282

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

病症:脓毒症、菌血症、脑膜炎、脓肿、肺炎、骨髓炎、蜂窝织炎、伴脱水的胃肠炎。本研究是一项诊断与干预相结合的研究。在先前的研究中,我们的研究团队基于症状和体征构建了一棵决策树,用于识别初级保健中急性病儿童的严重感染。该决策树在检测严重感染方面具有97%的出色敏感性,但会导致12%的所有急性病儿童被转诊,这一比例高得难以接受。我们的主要研究问题为:1. 除了测量临床体征和症状外,新技术或现有技术能否帮助识别门诊护理中急性病儿童的严重感染?转化为我们的研究设计:“在应用决策树后,我们能否通过C反应蛋白即时检测或脉搏血氧饱和度测定进一步减少假阳性数量(从而提高特异性),并保持相同的敏感性水平?2.”

在通过决策树排除患有严重疾病的儿童后,即时检验CRP测试、简短干预配合家长宣传册,或两者结合,能否对以下方面产生影响:A. 主要结局指标:1. 严重感染 2. 即时抗生素处方率 B. 次要结局指标:3. 家长满意度 4. 家长担忧 5. 其他诊断测试和医疗服务的使用(包括再次咨询)6. 成本效益 7. 沟通者风格对干预效果的影响(交互作用)严重感染将定义为:因以下任一诊断而住院超过24小时:1. 败血症(包括菌血症),以血培养中分离出致病菌为参考标准 2. 脑膜炎(病毒性或细菌性),以腰椎穿刺阳性(脑脊液细胞增多并鉴定出细菌或病毒)为参考标准 3. 脓肿(培养阳性)4. 肺炎(病毒性或细菌性),以胸部X线片见浸润影为参考标准 5. 骨髓炎(病

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。

获取专属数据定制方案