吸入阿米卡星治疗非结核分枝杆菌肺病
条件：肺非结核分枝杆菌肺病。由非结核分枝杆菌（NTM）引起的慢性肺病在人类免疫缺陷病毒（HIV）阴性患者中的发病率在全球范围内不断上升
基本信息
资源简介
吸入阿米卡星治疗非结核分枝杆菌肺病
该数据集围绕吸入阿米卡星治疗非结核分枝杆菌肺病这一临床研究主题组织，所对应的疾病条件为肺非结核分枝杆菌肺病。非结核分枝杆菌（NTM）引起的慢性肺病在人类免疫缺陷病毒（HIV）阴性患者中的发病率在全球范围内不断上升，治疗过程往往极为困难，可能需要多种药物联合使用。阿米卡星是治疗NTM感染的有效抗生素，但静脉给药受限于全身给药途径以及较多不良事件；吸入给药有望克服这些局限，并通过维持较高的肺部浓度而发挥疗效。该研究的目的在于确定吸入阿米卡星治疗是否有效。数据集归类于呼吸系统疾病/其他，来源于clinicaltrials.gov，主题标签为肺非结核分枝杆菌肺病。
【数据集背景】
非结核分枝杆菌肺病的治疗在临床上具有相当难度。由NTM引起的慢性肺病在HIV阴性人群中的发病率于世界范围内呈上升趋势。在韩国，导致该病的常见病原体为鸟分枝杆菌复合群（MAC）和脓肿分枝杆菌。此类肺病的治疗可能极为困难，往往需要多种药物参与。阿米卡星作为对NTM感染有效的抗生素，其静脉给药方式受到全身给药途径和较多不良事件的限制；吸入阿米卡星治疗则可能克服上述限制，并因能够维持较高的肺部浓度而对NTM肺病的治疗有效。基于这一背景，相关研究旨在评估吸入阿米卡星治疗的有效性。
【数据内容】
该数据集的主题标签为肺非结核分枝杆菌肺病，对应的疾病条件为肺非结核分枝杆菌肺病。源站描述中提及的研究关注吸入阿米卡星治疗在该疾病中的有效性。关于数据集所包含的具体字段、变量、记录数量、受试者规模、分组方式、终点指标、随访时长等细节，源站未提供。
【采集与来源】
该数据集来源于clinicaltrials.gov。源站描述中给出的疾病条件为肺非结核分枝杆菌肺病，并说明了该病在HIV阴性患者中的发病率变化、常见病原体、治疗难度、阿米卡星的作用特点以及吸入给药方式的潜在优势。关于具体的采集方法、采集时间范围、数据提取流程、更新频率等信息，源站未提供。
【适用场景】
基于现有信息，该数据集适用于与肺非结核分枝杆菌肺病相关的临床研究主题，尤其是围绕吸入阿米卡星治疗有效性的研究场景。其主题标签和疾病条件可用于呼吸系统疾病领域的检索与归类。关于更具体的适用分析场景、模型训练用途或临床决策支持用途，源站未提供。
【使用方法】
源站未提供。
【质量与限制】
源站描述仅覆盖研究背景与目的层面的信息，未提供数据规模、完整性、准确性验证、缺失值处理或偏倚控制等方面的说明。该研究聚焦于HIV阴性患者中的NTM肺病，源站描述提及韩国常见病原体为MAC和脓肿分枝杆菌，但未说明数据的地域覆盖范围与外部推广性。关于数据质量与使用限制的更多信息，源站未提供。
【引用与许可】
源站未提供。
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/NCT01528930
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：肺非结核分枝杆菌肺病。由非结核分枝杆菌（NTM）引起的慢性肺病在人类免疫缺陷病毒（HIV）阴性患者中的发病率在全球范围内呈上升趋势。在韩国，该病的常见病原体为鸟分枝杆菌复合群（MAC）和脓肿分枝杆菌。NTM肺病的治疗极为困难，可能需要多种药物联合使用。阿米卡星是治疗NTM感染的有效抗生素。然而，静脉注射阿米卡星受限于其全身给药途径及较多不良事件。阿米卡星吸入治疗可克服上述局限，并因能维持较高的肺部浓度而对NTM肺病的治疗有效。本研究旨在确定阿米卡星吸入治疗对标准治疗6个月以上仍治疗失败的MAC感染患者或脓肿分枝杆菌感染患者是否有效。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
