Sulbactam-Durlobactam治疗CRAB感染的真实世界队列研究
该数据集来自clinicaltrials.gov,为单中心真实世界观察性队列研究,纳入住院成人碳青霉烯耐药鲍曼不动杆菌(CRAB)感染患者,按治疗暴露分为接受sulbactam-durlobactam组与同期接受其他抗CRAB方案组

基本信息
资源简介
Sulbactam-Durlobactam治疗CRAB感染的真实世界队列研究
该数据集来自clinicaltrials.gov,为单中心真实世界观察性队列研究,纳入住院成人碳青霉烯耐药鲍曼不动杆菌(CRAB)感染患者,按治疗暴露分为接受sulbactam-durlobactam组与同期接受其他抗CRAB方案组。研究覆盖血流感染、肺炎、脓毒症等感染类型,旨在评估sulbactam-durlobactam在高风险人群(包括移植受者和危重症患者)中的有效性与安全性,主要结局为28天全因死亡率和临床失败,次要结局包括微生物清除、复发、ICU住院时长、机械通气时长及治疗相关不良事件,可用于抗CRAB治疗方案的疗效与安全性比较分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:碳青霉烯耐药鲍曼不动杆菌感染、血流感染、肺炎、脓毒症。这是一项单中心真实世界观察性队列研究,纳入住院成人碳青霉烯耐药鲍曼不动杆菌(CRAB)感染患者。根据治疗暴露将患者分为两组:接受sulbactam-durlobactam治疗者与同期接受其他抗CRAB方案治疗者。研究旨在评估sulbactam-durlobactam在高风险人群(包括移植受者和危重症患者)中的有效性与安全性。主要结局为28天全因死亡率和临床失败。次要结局包括微生物清除、复发、ICU住院时长、机械通气时长及治疗相关不良事件。为尽量减少观察性研究中固有的偏倚
【主题与分类】
主题标签:Bloodstream Infection、Pneumonia、Sepsis。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/NCT07601711
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/NCT07601711
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:耐碳青霉烯类鲍曼不动杆菌感染、血流感染、肺炎、脓毒症。这是一项单中心真实世界观察性队列研究,纳入住院的成年耐碳青霉烯类鲍曼不动杆菌(CRAB)感染患者。根据治疗暴露情况,患者将被分为两组:接受舒巴坦-度洛巴坦治疗者与同期接受其他抗CRAB方案治疗者。本研究旨在评估舒巴坦-度洛巴坦在高危人群(包括移植受者和危重症患者)中的有效性和安全性。主要结局为28天全因死亡率和临床失败。次要结局包括微生物清除、复发、ICU住院时间、机械通气持续时间及治疗相关不良事件。为尽量减少观察性研究固有的偏倚,将应用倾向性评分匹配、逆概率治疗加权(IPTW)和多变量回归模型来校正组间基线差异。将进行界标分析以处理时间相关偏倚。
将纳入一个嵌套的治疗药物监测(TDM)亚队列。在给药间隔内的预设时间点采集血浆样本,并使用经过验证的LC-MS/MS方法测定药物浓度。将进行群体药代动力学建模,以估算暴露参数,包括Cmin、Cmax和AUC。将进一步探讨药物暴露与临床结局之间的关系,以及PK/PD靶值的达成情况。将根据感染状态(确诊感染 vs. 供者来源定植或感染)进行亚组分析。
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。




