Xpert MTB/RIF 引入对巴西高结核发病率城市结核诊断影响的数据
背景：Xpert MTB/RIF 在许多国家越来越多地被用作结核病（TB）的初始诊断检测。很少有研究评估 Xpert 在巴西项目条件下对结核诊断的影响
基本信息
资源简介
Xpert MTB/RIF 引入对巴西高结核发病率城市结核诊断影响的数据
该数据集围绕 Xpert MTB/RIF 检测引入对结核病（TB）诊断的影响展开，来源于巴西一个结核病高发城市。研究将 Xpert 引入前一年接受常规诊断检测的患者归为 pre-Xpert 组，将 Xpert 引入后一年接受该检测的患者归为 post-Xpert 组，并对两组患者的诊断情况进行分析。结果显示，共有 620 名患者符合纳入标准并进入分析，其中 pre-Xpert 组 208 人，post-Xpert 组 412 人。post-Xpert 组从就诊到确诊结核病的时间为 0.7 天（IQR：0.5–1.0 天），短于 pre-Xpert 组的 2.0 天（IQR：2.0–2.0 天），差异具有统计学意义（p<0.00）。该数据集属于呼吸系统疾病中的肺结核主题，来源于 doi.org。
【数据集背景】
结核病仍是全球重要的公共卫生问题，快速、准确的诊断对于控制疫情和改善患者预后至关重要。Xpert MTB/RIF 作为一种分子诊断技术，在许多国家越来越多地被用作结核病的初始诊断检测。然而，在巴西项目条件下，关于 Xpert 对结核病诊断影响的研究仍然较少。该数据集所对应的研究旨在评估在巴西一个结核病高发城市引入 Xpert MTB/RIF 后，对结核病诊断过程产生的影响。研究设计比较了 Xpert 引入前后的患者诊断情况，以观察该检测方法在实际项目环境中的应用效果。
【数据内容】
数据集涉及的患者被分为两组：pre-Xpert 组和 post-Xpert 组。pre-Xpert 组由 Xpert 引入前一年内接受常规诊断检测的患者组成，共 208 人；post-Xpert 组由 Xpert 引入后一年内接受 Xpert 检测的患者组成，共 412 人。两组合计 620 名患者符合纳入标准并纳入分析。数据内容主要围绕诊断时间这一指标展开，post-Xpert 组的确诊时间为 0.7 天，四分位距为 0.5–1.0 天；pre-Xpert 组的确诊时间为 2.0 天，四分位距为 2.0–2.0 天。两组之间的差异具有统计学意义，p 值小于 0.00。除上述信息外，源站未提供更多关于数据字段、变量结构或具体记录内容的信息。
【采集与来源】
该数据集来源于 doi.org，对应研究在巴西一个结核病高发城市开展。研究纳入的患者为在该城市接受结核病诊断评估的人群，时间跨度覆盖 Xpert 引入前一年和引入后一年。pre-Xpert 组患者接受的是常规诊断检测，post-Xpert 组患者接受的是 Xpert MTB/RIF 检测。数据采集基于项目条件下的实际诊疗过程，而非严格的随机对照试验设计。源站未提供关于采集机构、采集流程、数据录入方式以及伦理审批等具体信息。
【适用场景】
该数据集可用于了解 Xpert MTB/RIF 在巴西结核病高发城市项目条件下对诊断时间的影响。适用场景包括：评估分子诊断技术引入后对结核病诊断效率的潜在改善；比较常规诊断与 Xpert 诊断在确诊时间上的差异；为结核病诊断策略的制定和优化提供参考。由于数据来自特定城市和特定时间段，使用时应考虑其背景条件。源站未提供关于其他适用场景的更多说明。
【使用方法】
该数据集可用于分析 Xpert 引入前后结核病诊断时间的变化。使用者可关注两组患者的诊断时间中位数和四分位距，以及组间差异的统计学显著性。源站未提供关于数据文件格式、变量命名、数据预处理步骤或分析代码的具体信息。因此，实际使用时应参考源站提供的原始描述和文件说明。源站未提供关于如何获取数据或访问限制的详细信息。
【质量与限制】
该研究基于项目条件下的真实世界数据，样本量为 620 人，其中 pre-Xpert 组 208 人，post-Xpert 组 412 人。诊断时间在 post-Xpert 组明显短于 pre-Xpert 组，且差异具有统计学意义。然而，源站未提供关于数据质量、缺失值、偏倚控制、混杂因素调整以及外部有效性等方面的详细信息。由于研究设计为前后对照，而非随机对照，可能存在时间趋势、患者特征变化等潜在混杂因素。源站未提供关于这些限制的进一步说明。
【引用与许可】
该数据集的英文名称为“Data from: Impact of introduction of Xpert MTB/RIF test on tuberculosis (TB) diagnosis in a city with high TB incidence in Brazil”，来源站为 doi.org。源站未提供关于引用格式、许可协议、使用条款或版权归属的具体信息。使用者在引用或使用该数据集时，应自行查阅源站以获取准确的引用和许可要求。
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://doi.org/10.5061/dryad.1c979c0
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
背景：Xpert MTB/RIF在许多国家越来越多地被用作结核病（TB）的初始诊断检测。很少有研究评估Xpert在巴西项目化条件下对TB诊断的影响。本研究旨在评估在巴西一个TB高发病率城市引入Xpert MTB/RIF对TB诊断的影响。方法：我们纳入了在引入Xpert前一年内接受常规诊断检测评估的患者（Xpert前组），以及在引入该检测后一年内使用Xpert评估的患者（Xpert后组）。结果：620名患者符合纳入标准（Xpert前组208名，Xpert后组412名），并被纳入分析。Xpert后组至TB诊断的时间（0.7天，IQR：0.5–1.0天）短于Xpert前组（2.0天，IQR：2.0–2.0天）（p<0.0001）。非典型疾病特征，如体重减轻、发热、呼吸困难、盗汗和咯血较少；痰涂片阴性；培养阴性，以及胸片不典型提示TB，在Xpert后组中比Xpert前组更常见（所有p<0.0001）。
结论：我们发现，在项目条件下实施Xpert MTB/RIF检测，能够改善并促进结核病的诊断，尤其是在非典型疾病表现的情况下。这些结果很可能适用于结核病高发率相似的环境。
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。
