评估复杂尿路感染住院患者管理与结局的研究(RESCUING)
该数据集来自 clinicaltrials.gov,对应一项名为 RESCUING 的研究,关注复杂尿路感染(cUTI)住院患者的管理与结局

基本信息
资源简介
评估复杂尿路感染住院患者管理与结局的研究(RESCUING)
该数据集来自 clinicaltrials.gov,对应一项名为 RESCUING 的研究,关注复杂尿路感染(cUTI)住院患者的管理与结局。研究背景涉及细菌对抗菌药物的耐药问题,尤其是肠杆菌科(如大肠埃希菌和肺炎克雷伯菌)对第三代头孢菌素耐药及多重耐药(MDR)菌株的出现,并涉及碳青霉烯酶产生菌带来的治疗选择受限。数据集可用于了解复杂尿路感染的流行病学、临床管理与结局相关研究信息(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:尿路感染、细菌耐药。细菌对抗菌药物的耐药是一个重大公共卫生问题。最令人担忧的是肠杆菌科(尤其是大肠埃希菌和肺炎克雷伯菌)对第三代头孢菌素耐药的快速出现和传播。这常与其他类别抗生素耐药相关,导致多重耐药(MDR)特征。这些 MDR 分离株常涉及复杂尿路感染(cUTI),并与不良临床结局相关。此外,在过去十年中,出现了产碳青霉烯酶肠杆菌科,它们除对碳青霉烯类外也耐药于其他抗生素,使治疗选择很少。本研究的总体目标是提供有关流行病学、临床管理的信息
【主题与分类】
主题标签:Urinary Tract Infections、Bacterial Resistance。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/NCT02641015
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/NCT02641015
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
病症:尿路感染、细菌耐药性。细菌对抗菌药物的耐药性是一个重大的公共卫生问题。最令人担忧的是肠杆菌科细菌,尤其是大肠埃希菌和肺炎克雷伯菌,对第三代头孢菌素耐药性的迅速出现和传播。这种情况常与其他类别抗生素的耐药性相关联,导致多重耐药(MDR)谱。这些MDR分离株常涉及复杂性尿路感染(cUTI),并与不良临床结局相关。此外,在过去十年中,产碳青霉烯酶肠杆菌科细菌的出现,这些细菌除对碳青霉烯类外,还对其他抗生素耐药,使得治疗选择极为有限。本研究的总体目标是提供关于因复杂性尿路感染(包括肾盂肾炎)住院患者的流行病学、临床管理和结局的信息。为实现这一目标,研究人员将对住院的cUTI患者进行一项多中心回顾性观察性研究。
该研究将在几个欧洲国家以及以色列进行,这些地区耐多药革兰阴性菌(GNB),包括铜绿假单胞菌的流行率较高。研究旨在识别可能导致治疗失败的可变风险因素,特别是与抗生素治疗相关的因素。研究完成后,研究者将对欧洲国家因耐多药GNB导致的复杂性尿路感染(cUTI)住院患者的临床管理有更深入的理解。研究者将确定治疗失败的可变风险因素。这些信息将用于指导更好的临床和抗生素管理,以改善cUTI患者的治疗结果。此外,该研究还将为未来使用新抗生素治疗cUTI的随机对照试验假设的形成提供依据。研究成果将通过同行评审的出版物和会议报告进行传播。
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。




