Surabaya第二转诊医院中重度及危重症COVID-19患者细菌合并感染的临床影响
背景 关于COVID-19患者中细菌合并感染患病率的数据有限,尤其是在我国。我们旨在评估住院COVID-19患者中细菌合并感染的发生率,并报告涉及的最常见微生物及这些患者的抗生素使用情况

基本信息
资源简介
Surabaya第二转诊医院中重度及危重症COVID-19患者细菌合并感染的临床影响
背景 关于COVID-19患者中细菌合并感染患病率的数据有限,尤其是在我国。我们旨在评估住院COVID-19患者中细菌合并感染的发生率,并报告涉及的最常见微生物及这些患者的抗生素使用情况
The clinical impact of bacterial co-infection among moderate, severe and critically ill COVID-19 patients in the second referral hospital in Surabaya
【数据内容】
源站描述(机器翻译,仅供参考):背景 关于COVID-19患者中细菌合并感染患病率的数据有限,尤其是在我国。我们旨在评估住院COVID-19患者中细菌合并感染的发生率,并报告涉及的最常见微生物及这些患者的抗生素使用情况。方法 本研究为横断面研究,采用回顾性方法,纳入2020年3月14日至9月30日入住Universitas Airlangga Hospital Surabaya的COVID-19成年患者。细菌感染基于临床评估、实验室参数和微生物学结果定义。结果 共纳入218例中度至危重症且确诊COVID-19的患者。43例患者(19.7%)确认细菌感染。合并细菌感染的COVID-19患者住院时间更长(17.6 ± 6.62 vs 13.31±7.12),更高比例的
【主题与分类】
主题标签:COVID-19。本站分类:呼吸系统疾病/其他。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3A487a8f7071b5c3aac25b4175b5031c79873e99953eae6ce20b8cd188d2fdf2c4
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
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
关于COVID-19患者中细菌合并感染患病率的背景数据有限,尤其是在我国。我们旨在评估住院COVID-19患者中细菌合并感染的发生率,并报告最常见的相关微生物及这些患者的抗生素使用情况。方法 本研究为采用回顾性方法的横断面研究,对象为2020年3月14日至9月30日期间在泗水Universitas Airlangga医院收治的COVID-19成年患者。细菌感染根据临床评估、实验室参数和微生物学结果进行定义。结果 本研究共纳入218例中至危重症且确诊COVID-19的患者。43例患者(19.7%)确诊细菌感染。合并细菌感染的COVID-19患者住院时间更长(17.6 ± 6.62 vs 13.31±7.12),呼吸衰竭、ICU治疗和呼吸机使用的比例更高。合并细菌感染的COVID-19患者预后较无细菌感染者更差(p<0.04)。75.2%的患者接受了经验性抗生素治疗。
本研究中常见革兰阴性菌为致病菌(n = 39;70.37%)。结论:合并细菌感染的COVID-19患者住院时间更长、结局更差。在COVID-19患者重症监护治疗期间,必须谨慎预防医疗保健相关感染。
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。




