法国耐利福平结核病患者国家队列
该数据集来自 clinicaltrials.gov,聚焦法国耐利福平结核病患者国家队列,属于呼吸系统疾病下的肺结核主题。源站描述指出耐利福平结核是全球重大公共卫生问题,耐多药结核治疗面临挑战,并提及法国国家分枝杆菌参考中心对2006至2019年巴黎地区主要参考中心治疗患者的转归研究

基本信息
资源简介
法国耐利福平结核病患者国家队列
该数据集来自 clinicaltrials.gov,聚焦法国耐利福平结核病患者国家队列,属于呼吸系统疾病下的肺结核主题。源站描述指出耐利福平结核是全球重大公共卫生问题,耐多药结核治疗面临挑战,并提及法国国家分枝杆菌参考中心对2006至2019年巴黎地区主要参考中心治疗患者的转归研究。数据可用于了解法国低发病率背景下耐利福平结核患者的治疗结局与失访情况(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:耐利福平结核。结核病(TB)是一个重大的全球健康问题。过去十年间,结核分枝杆菌在全球导致的死亡人数超过任何其他传染性病原体,而耐药结核占抗微生物药物耐药(AMR)相关死亡的三分之一。抗击耐多药结核的一大障碍是其治疗。2021年,全球接受治疗的MDR/RR结核患者中仅60%被成功治愈,12%死于该病,10%治疗失败。在法国,国家分枝杆菌参考中心最近的一项研究显示,2006年至2019年间在巴黎地区主要参考中心接受治疗的MDR/RR结核患者中,68%的病例获得良好结局,30%失访。在低发病率且经验流失的背景下
【主题与分类】
主题标签:Rifampicin-resistant Tuberculosis。本站分类:呼吸系统疾病/肺结核。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06565806
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/NCT06565806
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:耐利福平结核病。结核病(TB)是一个重大的全球卫生问题。过去十年间,结核分枝杆菌在全球导致的死亡人数超过任何其他传染性病原体,而耐药结核病占与抗微生物药物耐药性(AMR)相关死亡的三分之一。抗击耐多药结核病的一大障碍在于其治疗。2021年,全球接受治疗的耐多药/耐利福平结核病患者中,仅60%获得成功治愈,12%死于该病,10%治疗失败。在法国,国家分枝杆菌参考中心最近的一项研究显示,2006年至2019年间在巴黎地区主要参考中心接受治疗的耐多药/耐利福平结核病患者中,68%的病例获得良好结局,30%失访。
在低发病率以及西欧和法国在耐多药/利福平耐药结核病管理方面专业能力流失的背景下,建立全国性回顾性与前瞻性队列将有助于衡量这些患者的治疗结局,而这是评估医疗质量的一项关键指标。本研究的主要目的是加深对由耐利福平杆菌所致结核病患者结局及其影响因素的理解。此外,本研究还旨在缩短向卫生主管部门传递有关法国耐多药状况及患者结局信息所需的时间。这是一个全国性纵向队列,包括历史回顾性部分(2006—2019年)和前瞻性部分,后者依托国家分枝杆菌参考中心(CNR)国家登记册的建立而开展(自2020年起,计划纳入至2029年)。回顾性队列人群包括2006—2019年期间的298例患者,以及截至2024年5月底纳入CNR分枝杆菌国家登记册的178例患者。至于前瞻性队列组,预计总数为……
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。




