长期阿奇霉素对HIV相关慢性肺病抗生素耐药性的影响
该数据集来自 search.dataone.org,属于呼吸系统疾病/肺炎分类,研究长期使用阿奇霉素对HIV相关慢性肺病患儿常见呼吸道细菌定植及抗生素耐药性的影响

基本信息
资源简介
长期阿奇霉素对HIV相关慢性肺病抗生素耐药性的影响
The impact of long-term azithromycin on antibiotic resistance in HIV-associated chronic lung disease
该数据集来自 search.dataone.org,属于呼吸系统疾病/肺炎分类,研究长期使用阿奇霉素对HIV相关慢性肺病患儿常见呼吸道细菌定植及抗生素耐药性的影响。数据涵盖基线、48周和72周三个时间点采集的鼻咽拭子与痰液样本,涉及肺炎链球菌、金黄色葡萄球菌、流感嗜血杆菌和卡他莫拉菌的携带率与耐药性。可用于分析阿奇霉素长期干预下呼吸道细菌耐药动态,支持HIV相关慢性肺病儿童的抗生素管理研究(来源 DataONE)。
【数据内容】
源站描述(机器翻译,仅供参考):背景:长期使用阿奇霉素(AZM)治疗慢性肺病(CLD)时,对AZM及其他抗生素(如四环素类和林可酰胺类)的耐药性选择仍是一个关注点。我们研究了48周AZM对HIV相关CLD患儿常见呼吸道细菌携带及抗生素耐药性的影响。方法:从随机接受每周AZM或安慰剂治疗48周并随访至72周的HIV相关CLD参与者中,在基线、48周和72周采集鼻咽(NP)拭子和痰液。主要结局是这些时间点上肺炎链球菌(SP)、金黄色葡萄球菌(SA)、流感嗜血杆菌(HI)和卡他莫拉菌(MC)的患病率和抗生素耐药性。采用混合效应逻辑回归和Fisher精确检验比较携带和r
【主题与分类】
主题标签:azithromycin、Moraxella catarrhalis、HIV-AIDS、Africa、Sputum、Staphylococcus aureus、Zimbabwe、HIV、nasopharyngeal swabs、chronic lung disease。本站分类:呼吸系统疾病/肺炎。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3A4808e27aada54619030d4b91836905ef77bf0350a8754f68302a867f73896282
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
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
背景:长期使用阿奇霉素(AZM)治疗慢性肺病(CLD)时,对AZM及其他抗生素(如四环素类和林可酰胺类)的耐药性选择仍是一个令人担忧的问题。我们研究了48周AZM治疗对HIV相关CLD患儿常见呼吸道细菌携带及抗生素耐药性的影响。方法:从随机接受每周AZM或安慰剂治疗48周的HIV相关CLD参与者中,在基线、48周和72周时采集鼻咽(NP)拭子和痰液,并在干预后随访至72周。主要结局是这些时间点上肺炎链球菌(SP)、金黄色葡萄球菌(SA)、流感嗜血杆菌(HI)和卡他莫拉菌(MC)的携带率及抗生素耐药性。分别采用混合效应logistic回归和Fisher精确检验比较携带率和耐药性。结果:在347名(174名AZM,173名安慰剂)参与者中(中位年龄15岁…
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。




