囊性纤维化微生物组决定抗生素治疗试验:加重期结果分层
该数据集源自 clinicaltrials.gov,聚焦囊性纤维化(CF)患者急性加重期的微生物组与抗生素治疗。CF 因慢性肺部感染与急性加重重叠,是研究细菌耐药与治疗策略的独特疾病模型,随病程发展形成慢性多微生物感染,以 Pseudomonas aeruginosa 最为常见

基本信息
资源简介
囊性纤维化微生物组决定抗生素治疗试验:加重期结果分层
该数据集源自 clinicaltrials.gov,聚焦囊性纤维化(CF)患者急性加重期的微生物组与抗生素治疗。CF 因慢性肺部感染与急性加重重叠,是研究细菌耐药与治疗策略的独特疾病模型,随病程发展形成慢性多微生物感染,以 Pseudomonas aeruginosa 最为常见。急性感染通常经验性静脉注射抗生素两周,反复感染与治疗导致抗菌耐药增加,并改变肺部与肠道菌群的病原-宿主互作。下一代 DNA 测序技术为基于 DNA 的个体化诊断提供了可能。数据可用于耐药预测、治疗反应分层及微生物组相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:囊性纤维化。抗菌耐药是全球医疗面临的重大挑战。不必要地使用抗生素是抗生素耐药发展的关键驱动因素。囊性纤维化(CF)是研究细菌耐药并探索相应治疗策略的独特疾病模型,因为慢性肺部感染与由多种微生物引起的急性肺部加重相重叠。随着时间推移,会形成慢性多微生物感染,其中最主要的感染微生物是 Pseudomonas aeruginosa。在急性 CF 感染中,通常给予经验性静脉注射抗生素两周。反复感染和治疗导致抗菌耐药增加,并改变肺部与肠道菌群中的病原-宿主互作。下一代 DNA 测序技术现在提供了基于 DNA 的个体化诊断和
【主题与分类】
主题标签:Cystic Fibrosis。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02526004
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/NCT02526004
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
疾病:囊性纤维化。抗菌药物耐药性是全球医疗保健面临的重大挑战。抗生素的不必要使用是抗生素耐药性发展的关键驱动因素。囊性纤维化(CF)作为一种独特的疾病模型,可用于研究细菌耐药性并探索相应的治疗策略,因为慢性肺部感染与由多种微生物引起的急性肺部加重相重叠。随着时间的推移,慢性多微生物感染发展,其中最主要的感染微生物是铜绿假单胞菌。在急性CF感染中,通常给予经验性静脉注射抗生素两周。反复感染和治疗导致抗菌药物耐药性增加,以及肺部病原体-宿主相互作用和肠道菌群的改变。下一代DNA测序技术现在提供了基于DNA的个性化诊断和治疗策略。增强我们对微生物组的了解,使得能够使用分层靶向抗菌治疗,并可将其与目前使用的标准经验性抗菌治疗进行比较。
囊性纤维化微生物组决定的急性加重期抗菌治疗试验:分层结果(CFMATTERS)将提供一项随机多中心对照试验,对比基于微生物组的抗菌治疗与当前经验性治疗。
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。




