肺外高毒力肺炎克雷伯菌所致脓毒症相关急性肺损伤的外膜囊泡与铁死亡相关特征
该数据集来自 clinicaltrials.gov,聚焦肺外高毒力肺炎克雷伯菌(hvKP)感染所致脓毒症相关急性肺损伤(ALI)

基本信息
资源简介
肺外高毒力肺炎克雷伯菌所致脓毒症相关急性肺损伤的外膜囊泡与铁死亡相关特征
该数据集来自 clinicaltrials.gov,聚焦肺外高毒力肺炎克雷伯菌(hvKP)感染所致脓毒症相关急性肺损伤(ALI)。源站描述涵盖脓毒症、急性肺损伤、肺炎克雷伯菌感染及高毒力肺炎克雷伯菌感染等条件,并提及细菌外膜囊泡(OMV)介导的氧化应激与铁死亡相关损伤可能在肺内皮功能障碍和急性肺损伤中发挥作用,但其在肺外 hvKP 脓毒症患者中的临床相关性尚不明确。数据可用于探索 OMV 与铁死亡相关特征在脓毒症相关急性肺损伤中的潜在作用(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:脓毒症、急性肺损伤(ALI)、肺炎克雷伯菌感染、高毒力肺炎克雷伯菌感染。脓毒症相关急性肺损伤是严重肺外革兰阴性细菌感染的主要并发症。高毒力肺炎克雷伯菌(hvKP)日益被认为是侵袭性感染的原因,具有高炎症负荷和转移性播散倾向。细菌外膜囊泡(OMV)是具有生物活性的纳米颗粒,可将脂多糖、毒力相关分子和其他炎症货物运输至远端器官。实验证据表明,OMV 介导的氧化应激和铁死亡相关损伤可能促进肺内皮功能障碍和急性肺损伤;然而,这些机制在肺外 hvKP 脓毒症患者中的临床相关性仍不明确
【主题与分类】
主题标签:Sepsis、Acute Lung Injury(ALI)、Klebsiella Pneumoniae 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/NCT07686887
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/NCT07686887
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
条件:脓毒症、急性肺损伤(ALI)、肺炎克雷伯菌感染、高毒力肺炎克雷伯菌感染。脓毒症相关急性肺损伤是严重肺外革兰阴性细菌感染的主要并发症。高毒力肺炎克雷伯菌(hvKP)日益被认为是侵袭性感染的病因,其具有高炎症负荷和转移播散倾向。细菌外膜囊泡(OMVs)是具有生物活性的纳米颗粒,可将脂多糖、毒力相关分子及其他炎症货物运输至远处器官。实验证据提示,OMV介导的氧化应激和铁死亡相关损伤可能促进肺内皮功能障碍和急性肺损伤;然而,这些机制在肺外hvKP脓毒症患者中的临床相关性仍不明确。
这项前瞻性多中心观察性转化队列研究将探讨分子特征明确的hvKP感染、循环细菌OMV相关信号、铁死亡相关生物标志物谱与随后发生的脓毒症相关急性肺损伤之间的关系。将在脓毒症识别后早期纳入经微生物学确诊为肺外肺炎克雷伯菌脓毒症的成人患者,并在疾病急性期进行随访。临床分离株将接受预设高毒力相关基因及其他菌株水平特征的分子鉴定。在常规早期随访期间采集的血液标本将按照标准化流程处理,用于血浆、血清和外周血单个核细胞分析。实验室部分将定量检测去血小板血浆中的循环革兰阴性菌OMV相关信号,并评估全身性铁死亡相关生物标志物谱,包括脂质过氧化产物、谷胱甘肽氧化还原状态、铁相关指标以及铁死亡相关基因表达。
患者来源的肺炎克雷伯菌分离株也将在标准化条件下培养。
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。




