多模式干预对基层医疗呼吸道感染抗生素处方的影响
该数据集来自 clinicaltrials.gov,聚焦基层医疗中呼吸道感染的抗生素处方问题。覆盖的疾病包括心绞痛、急性细支气管炎、急性支气管炎、COPD 急性加重、喉炎、急性中耳炎、浆液性或充血性中耳炎以及病毒性呼吸道感染(如流感)等

基本信息
资源简介
多模式干预对基层医疗呼吸道感染抗生素处方的影响
该数据集来自 clinicaltrials.gov,聚焦基层医疗中呼吸道感染的抗生素处方问题。覆盖的疾病包括心绞痛、急性细支气管炎、急性支气管炎、COPD 急性加重、喉炎、急性中耳炎、浆液性或充血性中耳炎以及病毒性呼吸道感染(如流感)等。数据可用于评估旨在促进合理使用抗生素的多模式干预效果,尤其是结合呼吸道病毒传播信息沟通与全科医生和药师协作实践的双模式干预,帮助分析处方行为与指南依从性(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:心绞痛、急性细支气管炎、急性支气管炎、COPD 急性加重(AECOPD)、喉炎、急性中耳炎(AOM)、浆液性或充血性中耳炎、病毒性呼吸道感染(如流感)。抗菌药物耐药性(AMR)被 WHO 视为全球最大威胁之一,因此有必要制定促进合理使用抗生素的举措——尤其是在基层医疗中,法国大多数抗生素在此开具,且误用仍然普遍。我们提出一项整群随机对照试验,以评估双模式干预的有效性,该干预结合:(1)改进关于呼吸道病毒传播的沟通,以及(2)通过多学科方案加强全科医生与药师之间的协作实践,旨在核实所开具的治疗疗程是否符合指南。该研究将包括
【主题与分类】
主题标签:Angina、Acute Bronchiolitis、Acute Bronchitis、COPD Exacerbation (AECOPD)、Laryngitis、Acute Otitis Media (AOM)、Serous or Congestive Otitis、Community-Acquired Pneumonia (CAP)、Rhinitis / Nasopharyngitis、Acute Sinusitis。本站分类:呼吸系统疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07359287
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/NCT07359287
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
适应症:心绞痛、急性细支气管炎、急性支气管炎、慢性阻塞性肺疾病急性加重(AECOPD)、喉炎、急性中耳炎(AOM)、浆液性或充血性中耳炎、病毒性呼吸道感染(如流感)。抗菌药物耐药性(AMR)被世界卫生组织视为全球最大威胁之一,因此有必要制定促进合理使用抗生素的举措——尤其是在初级保健领域,法国大多数抗生素在此开具,且不当使用仍然普遍。我们提出一项整群随机对照试验,以评估一种双模式干预的有效性,该干预结合:(1)改进关于呼吸道病毒传播的沟通,以及(2)通过多学科方案加强全科医生与药剂师之间的协作实践,旨在核实所开具的治疗疗程是否符合指南。该研究将纳入六个初级保健诊所(24名医生),每个研究组各三个诊所。本项目旨在评估该双模式干预能否缩短上、下呼吸道感染的抗生素治疗疗程。
第一个组成部分(“病毒感染处方”工具)侧重于减少不必要的治疗启动,而第二个组成部分(由药师主导的审查)旨在缩短过长的处方持续时间。
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。




