孟加拉国婴幼儿脓毒症观察性队列研究
该数据集来自 clinicaltrials.gov,为孟加拉国婴幼儿脓毒症观察性队列研究,主题为严重感染与非损伤性死亡。源站描述指出脓毒症、脑膜炎和肺炎是全球新生儿死亡的主要原因,南亚地区婴幼儿疑似严重细菌感染(pSBI)发病率较高,并提及肠道菌群失调在脓毒症/严重感染发病机制中的可能作用

基本信息
资源简介
孟加拉国婴幼儿脓毒症观察性队列研究
该数据集来自 clinicaltrials.gov,为孟加拉国婴幼儿脓毒症观察性队列研究,主题为严重感染与非损伤性死亡。源站描述指出脓毒症、脑膜炎和肺炎是全球新生儿死亡的主要原因,南亚地区婴幼儿疑似严重细菌感染(pSBI)发病率较高,并提及肠道菌群失调在脓毒症/严重感染发病机制中的可能作用。数据可用于研究婴幼儿严重感染的流行病学特征、危险因素及结局,支持相关预测或分类分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:严重感染和非损伤性死亡。在全球范围内,包括脓毒症、脑膜炎和肺炎在内的感染性疾病是新生儿死亡的主要原因之一。2017年,据估计这三种疾病占全球54万新生儿死亡,约占全球所有新生儿死亡的21%。既往研究表明,南亚地区婴幼儿疑似严重细菌感染(pSBI)的发病率相对较高,尤其是在新生儿和五岁以下儿童死亡率最高的地区。来自住院新生儿人群的大量证据,以及最近来自印度Panigrahi等人社区试验的证据,支持肠道菌群失调在婴幼儿脓毒症/严重感染发病机制中的重要作用。这一机制在非洲和南亚的低收入和中等收入国家可能尤为重要,在这些地区,l
【主题与分类】
主题标签:Severe Infection and Non-injury Death。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/NCT04012190
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/NCT04012190
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:严重感染与非损伤性死亡。在全球范围内,包括败血症、脑膜炎和肺炎在内的感染性疾病是新生儿死亡的主要原因。2017年,据估计这三种疾病在全球范围内导致54万新生儿死亡,约占全球所有新生儿死亡的21%。既往研究表明,南亚地区小婴儿疑似严重细菌感染(pSBI)的发病率相对较高,尤其是在新生儿和五岁以下儿童死亡率最高的地区。来自新生儿住院人群的大量证据,以及最近印度Panigrahi等人的社区试验证据,均支持肠道菌群失调在小婴儿败血症/严重感染发病机制中的重要作用。这一机制在非洲和南亚的低收入和中等收入国家可能尤为重要,在这些国家,降低严重感染负担的低成本常规干预措施(如益生菌或合生元)可能对小婴儿的发病率和死亡率负担产生重要影响。
然而,关于南亚地区一般婴儿群体(而非早产儿或住院新生儿等特定群体)出生后早期微生物组的组成,以及微生物组在调节SI风险中的作用,现有数据有限。本观察性研究将生成关于孟加拉国达卡市年轻婴儿(出生至60日龄)SI发病率及危险因素(包括肠道微生物组组成)的新知识。本研究的目的在于:1. 估算孟加拉国新生儿出生后60天内设施招募队列中SI的发病率,并检验估计值对SI病例定义变化的敏感性;2. 探讨母婴特征(如分娩方式、喂养方式、胎龄、抗生素暴露)与出生后60天内SI风险之间的关联;3. 估算粪便中绝对和相对丰度
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。




