尿液TIMP2与IGFBP7能否识别脓毒性休克中轻中度进展为重度急性肾损伤的高危患者
该数据集来自clinicaltrials.gov,聚焦脓毒性休克患者从轻中度急性肾损伤进展为重度急性肾损伤(KDIGO 3期)的风险识别问题

基本信息
资源简介
尿液TIMP2与IGFBP7能否识别脓毒性休克中轻中度进展为重度急性肾损伤的高危患者
该数据集来自clinicaltrials.gov,聚焦脓毒性休克患者从轻中度急性肾损伤进展为重度急性肾损伤(KDIGO 3期)的风险识别问题。源站描述指出,脓毒性休克是ICU患者主要死因之一,急性肾损伤在脓毒症患者中发生率近50%且与显著死亡率相关,进展至KDIGO 3期通常需启动肾脏替代治疗。研究关注尿液TIMP2与IGFBP7乘积(Nephrocheck™)这一新型尿液检测能否准确识别进展为重度急性肾损伤的高危患者,以辅助临床优化治疗决策。数据可用于构建进展风险预测模型(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:急性肾损伤、脓毒性休克。脓毒性休克是重症监护病房(ICU)收治患者的主要死亡原因之一。急性肾损伤(AKI)在脓毒症患者中发生率近50%,并与显著死亡率相关。进展至AKI的最终阶段(KDIGO 3期)是疾病过程中的重要一步,因为通常需要启动RRT。肾脏生物标志物无法准确识别哪些患者会进展为重度AKI(KDIGO 3期)。然而,识别有进展为重度AKI风险的患者可帮助临床医生启动包括RRT在内的优化治疗。一种新的尿液检测Nephrocheck™,对应两种肾小管损伤标志物(TIMP2和IGFBP7)尿液浓度的乘积,已被验证。研究者已开展两项既往研究,包括脓毒性休克
【主题与分类】
主题标签:Acute Kidney Injury、Septic Shock。本站分类:泌尿生殖系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03547414
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/NCT03547414
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:急性肾损伤、脓毒性休克。脓毒性休克是重症监护病房(ICU)收治患者的主要死亡原因之一。急性肾损伤(AKI)发生于近50%的脓毒症患者中,并与显著的死亡率相关。进展至AKI的最终阶段(KDIGO 3期)是疾病过程中的重要一步,因为该阶段通常需要启动肾脏替代治疗(RRT)。肾脏生物标志物无法准确识别哪些患者会进展为重度AKI(KDIGO 3期)。然而,识别有进展为重度AKI风险的患者可帮助临床医生启动包括RRT在内的最佳治疗。一种新的尿液检测——Nephrocheck™,其对应于两种肾小管损伤标志物(TIMP2和IGFBP7)尿液浓度的乘积,已被验证。研究者此前已开展了包括脓毒性休克患者的两项研究(AKICHECK和BIOOCHECK)。将重新分析这些既往数据,以检验新的尿液生物标志物TIMP2和IGFBP7能否预测脓毒性休克患者从轻度和中度(KDIGO 1期或2期)在24小时和72小时内进展为重度AKI(KDIGO 3期)。
所需全部数据将从前两项研究(AKICHECK和BIOCHECK)中收集,这两项研究在3个中心进行:亚眠医疗重症监护室、默伦内外科重症监护室和蒙彼利埃医疗重症监护室。
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。




