非结核分枝杆菌传播中的前瞻性医疗相关联系研究
该数据集来自 clinicaltrials.gov,聚焦囊性纤维化与非结核分枝杆菌肺部感染,属于呼吸系统疾病范畴。研究为前瞻性、多中心、非随机设计,在已参与 HALT NTM 研究的六个 CF 诊疗中心开展,旨在调查医疗相关 NTM 传播或获得事件,并结合医疗环境采样与居住地流域分析

基本信息
资源简介
非结核分枝杆菌传播中的前瞻性医疗相关联系研究
该数据集来自 clinicaltrials.gov,聚焦囊性纤维化与非结核分枝杆菌肺部感染,属于呼吸系统疾病范畴。研究为前瞻性、多中心、非随机设计,在已参与 HALT NTM 研究的六个 CF 诊疗中心开展,旨在调查医疗相关 NTM 传播或获得事件,并结合医疗环境采样与居住地流域分析。CO-NRC 作为国家参考实验室,对来自美国各地 CF 诊疗中心的 NTM 呼吸道分离株进行培养、分子鉴定、药敏试验和全基因组测序,已识别出 NTM 分离株聚集。数据可用于 NTM 传播与获得风险的相关分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:囊性纤维化、非结核分枝杆菌肺部感染。这是一项前瞻性、多中心、非随机研究,旨在调查目前参与 HALT NTM 研究的六个 CF 诊疗中心中潜在的 NTM 暴发。该研究将调查参与研究的美国诊疗中心内潜在的医疗相关 NTM 传播和/或获得事件,并结合医疗环境采样与居住地流域分析。A 部分 / 流行病学调查:Colorado NTM Outcome Measure Advancement Core National Resource Centers(CO-NRC)为 CF NTM 提供国家参考实验室。从美国各地 CF 诊疗中心收到的 NTM 呼吸道分离株接受培养、分子鉴定、抗菌药物敏感性试验和全基因组测序(WGS)。通过这种方法,CO-NRC 已识别出 NTM 分离株聚集
【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/NCT05686837
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/NCT05686837
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:囊性纤维化、非结核分枝杆菌肺部感染。这是一项前瞻性、多中心、非随机研究,旨在调查目前参与HALT NTM研究的六个CF照护中心中潜在的NTM暴发。该研究将调查参与研究的美国照护中心内潜在的医疗相关NTM传播和/或获得事件,并结合医疗环境采样和居住地流域分析。A部分/流行病学调查:科罗拉多NTM结局测量推进核心国家资源中心(CO-NRC)为CF NTM提供国家参考实验室。从美国各地CF照护中心收到的NTM呼吸道分离株将进行培养、分子鉴定、抗菌药物敏感性试验和全基因组测序(WGS)。通过这种方法,CO-NRC已识别出NTM分离株聚集,即在基因组水平上高度相似的菌株,由同一CF照护中心接受照护的两名或多名囊性纤维化患者(pwCF)携带。
这些鉴定结果加剧了人们对潜在医疗相关NTM感染的担忧,其来源可能是患者间传播或中心内共同的环境来源。母体HALT NTM研究采用整合的临床和流行病学研究方法,开发并验证了一套医疗相关流行病学调查工具包,可在中心内识别NTM分离株高度相似的患者之间在照护来源上的重叠。母体HALT NTM工具包促进了一个分步流程,使各中心能够对CO-NRC鉴定为感染聚集性NTM分离株的患者进行流行病学评估。这项针对潜在NTM暴发的回顾性母体HALT NTM研究已在六个参与的CF照护中心完成。在pHALT NTM研究中,参与站点将在两年期间前瞻性地将所有接受常规照护的PwCF的所有呼吸道NTM分离株提交至NJH高级诊断实验室。所有NTM均
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。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。




