重症监护 - 严重急性呼吸道感染全球研究
该数据集来源于clinicaltrials.gov,聚焦重症监护场景下的严重急性呼吸道感染(SARI)研究。源站描述指出,WHO定义的SARI(7天内起病、发热≥38°C、咳嗽、呼吸困难且需住院)虽便于建立哨点监测,但难以为重症监护医生提供入住ICU患者感染性质、严重程度谱系及诊疗策略的相关信息

基本信息
资源简介
重症监护 - 严重急性呼吸道感染全球研究
该数据集来源于clinicaltrials.gov,聚焦重症监护场景下的严重急性呼吸道感染(SARI)研究。源站描述指出,WHO定义的SARI(7天内起病、发热≥38°C、咳嗽、呼吸困难且需住院)虽便于建立哨点监测,但难以为重症监护医生提供入住ICU患者感染性质、严重程度谱系及诊疗策略的相关信息。数据集主题标签为Severe Acute Respiratory Failure,本站分类为呼吸系统疾病/其他,可用于重症呼吸道感染患者的特征分析与临床研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:严重急性呼吸衰竭。继SARS和H1N1流感感染近期暴发之后,对严重急性呼吸道感染(SARI)患者的监测引起了显著关注。世界卫生组织(WHO)将SARI定义为近期起病(7天内)、表现为发热(≥ 38°C)、咳嗽和呼吸困难且需要过夜住院的急性呼吸道疾病。尽管这一定义可能对建立哨点SARI监测系统具有实用性,但它不太可能为重症监护医生提供关于感染性质、严重程度谱系或最终入住重症监护病房的那部分患者所用诊断和治疗策略的相关信息。只有WHO定义的SARI患者中的一个亚组会需要入住ICU接受氧疗或p
【主题与分类】
主题标签:Severe Acute Respiratory Failure。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01936207
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/NCT01936207
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:严重急性呼吸衰竭。在近期SARS和H1N1流感感染暴发之后,对严重急性呼吸道感染(SARI)患者的监测引起了极大关注。世界卫生组织(WHO)将SARI定义为近期起病(7天内)的急性呼吸道疾病,表现为发热(≥38°C)、咳嗽和呼吸困难,需要住院过夜。尽管这一定义对于建立哨点SARI监测系统可能具有实用性,但它不太可能为重症监护医生提供有关感染性质、严重程度谱系或最终入住重症监护病房的这部分患者所采用的诊断和治疗策略的相关信息。根据WHO定义的SARI患者中,只有一部分需要入住ICU接受氧疗或正压通气;更小一部分会发展为急性呼吸窘迫综合征(ARDS),而需要一氧化氮、ECMO、俯卧位或高频振荡(HFO)等辅助治疗的比例则更小。
获取关于ICU-SARI流行病学及其患者当前诊断和治疗方式的准确信息,将有助于我们了解与急性呼吸道感染进展为最严重危重疾病形式(如ARDS、感染性休克或多器官衰竭)相关的因素。因此,我们旨在开展一项前瞻性、观察性、起始队列研究,以调查ICU-SARI的流行病学和微生物学特征,记录常用的治疗和监测策略,评估当前结局,并确定从干预性临床试验到疾病基本机制的多学科研究的潜在课题。一项为期十四天的国际起始队列研究,纳入入住ICU时表现为SARI的成人(≥18岁)患者(ICU-SARI)。该研究将在4周内进行。每个中心
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。




