高危患者预防药物性肾毒性策略的安全性与有效性

该数据集来自 clinicaltrials.gov,聚焦高危患者使用 vancomycin 时预防药物性肾毒性的策略评估

Henry Ford Health SystemHenry Ford Health System
clinicaltrials
浏览 16
文本预测Health Care Associated PneumoniaOsteomyelitis/Septic ArthritisEndocarditisBacteremia
Safety and Efficacy of Strategy to Prevent Drug-Induced Nephrotoxicity in High-Risk Patients

基本信息

模态
文本
任务类型
预测
创建/更新时间
2026-10-17

资源简介

高危患者预防药物性肾毒性策略的安全性与有效性

该数据集来自 clinicaltrials.gov,聚焦高危患者使用 vancomycin 时预防药物性肾毒性的策略评估。覆盖医疗保健相关肺炎、骨髓炎/化脓性关节炎、心内膜炎、菌血症及急性细菌性皮肤及皮肤结构感染等感染性疾病场景。数据可用于分析 vancomycin 诱导肾损伤(VIN)的风险因素与临床结局,支持构建肾毒性风险预测模型,并辅助评估减少 vancomycin 相关肾损伤的干预策略(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):病症:医疗保健相关肺炎、骨髓炎/化脓性关节炎、心内膜炎、菌血症、急性细菌性皮肤及皮肤结构感染。五十多年来,vancomycin 一直被列为肾毒性药物。关于 vancomycin 诱导肾损伤(又称 vancomycin 诱导肾毒性或 VIN)的报告多年来因各种原因时起时伏。近期,VIN 再次成为临床关注点。这可能源于多种原因,包括新的给药建议以及 vancomycin 诱导肾毒性相关风险因素流行率上升。本研究旨在评估一种试图减少 vancomycin 使用所致肾损伤的策略。

【主题与分类】

主题标签:Health Care Associated Pneumonia、Osteomyelitis/Septic Arthritis、Endocarditis、Bacteremia。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/NCT01734694

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/NCT01734694

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

适应症:医疗保健相关肺炎、骨髓炎/化脓性关节炎、心内膜炎、菌血症、急性细菌性皮肤及皮肤结构感染。五十多年来,万古霉素一直被列为肾毒性药物。多年来,由于各种原因,关于万古霉素诱导肾损伤(又称万古霉素诱导肾毒性或VIN)的报道时多时少。近期,VIN再次成为临床关注的问题。这可能归因于多种原因,包括新的给药建议以及与万古霉素诱导肾毒性相关的危险因素患病率增加。本研究旨在评估一种旨在减少万古霉素使用所致肾损伤的策略。

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