烧伤中的线粒体能量代谢
该数据集来自 clinicaltrials.gov，为一项观察性研究，关注烧伤对患者细胞能量代谢的影响。研究对象为在 Arkansas Children's Hospital 烧伤中心接受烧伤治疗、需进行一次或多次清创与修复手术的患者
基本信息
资源简介
烧伤中的线粒体能量代谢
该数据集英文名为 Mitochondrial Energy Metabolism in Burns，来源于 clinicaltrials.gov，是一项观察性研究的数据集合，主题聚焦于烧伤损伤。研究关注烧伤对患者细胞能量代谢的影响，研究对象为在美国阿肯色儿童医院（Arkansas Children's Hospital）烧伤中心接受烧伤治疗、并需要进行一次或多次清洁、清创和修复烧伤创面手术的患者。数据集围绕这些患者在住院和手术期间的背景信息、医学信息以及生物样本展开，用于支持对烧伤后细胞能量代谢变化的观察与分析。本站将其归类于妊娠、分娩和产褥期 / 其他分类之下，主题标签为 Burn Injury。
【数据集背景】
烧伤是一种复杂的创伤，除局部组织损伤外，还可能引起全身性的代谢与生理改变。该研究以观察性设计评估烧伤损伤对患者细胞能量代谢的影响，研究场所为阿肯色儿童医院烧伤中心，纳入对象为因烧伤接受治疗且需要一次或多次清洁、清创和修复烧伤创面手术的患者。研究不涉及对患者的干预性治疗分配，而是围绕常规烧伤诊疗过程中产生的信息与样本进行观察和收集，因此其数据具有较强的真实临床情境特征。
【数据内容】
数据集涵盖的信息主要包括三类。第一类为一般背景信息，例如出生日期、身高、体重及其他基本信息。第二类为医学信息，包括基本医学信息、烧伤损伤的详细情况、手术当日的生命体征、住院期间使用的药物以及部分临床检验结果。第三类为生物样本，涉及患者在住院期间接受手术时采集的血液、尿液和组织。上述内容共同构成了围绕烧伤患者细胞能量代谢研究的多维度数据基础，既包含人口学与人体测量信息，也包含烧伤专科临床信息与实验室及样本层面的材料。
【采集与来源】
该数据集来自 clinicaltrials.gov 登记的研究记录，源站描述显示其研究类型为观察性研究，研究条件为烧伤损伤。数据采集场景为阿肯色儿童医院烧伤中心，对象为在该中心接受烧伤治疗并需要手术清创与修复的患者。信息与样本的收集与患者住院期间的诊疗过程相结合，包括手术当日的生命体征记录、住院期间的用药信息、临床检验以及手术期间获取的血液、尿液和组织样本。数据来源以临床诊疗过程中形成的信息为主，属于单中心观察性研究的数据范畴。
【适用场景】
基于其内容与设计，该数据集适用于围绕烧伤后细胞能量代谢变化开展的观察性分析，例如探讨烧伤损伤与细胞能量代谢指标之间的关系、梳理烧伤患者手术前后临床信息与样本特征等。同时，数据中的人口学信息、烧伤详情、生命体征、用药与临床检验内容，也可用于描述烧伤患者群体的临床特征与诊疗过程。由于研究聚焦于需要手术清创和修复的烧伤患者，其适用场景主要限定在烧伤专科诊疗与相关代谢研究领域。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/NCT07643545
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：烧伤。本观察性研究旨在评估烧伤对细胞能量代谢的影响。凡入住阿肯色儿童医院烧伤中心接受烧伤治疗，且需要进行一次或多次清创、修复烧伤创面操作的患者，均有资格参与本研究。研究期间，我们将收集以下信息：* 一般背景信息，如出生日期、身高、体重及其他基本信息。* 医疗信息，如：基本医疗信息、烧伤详情、手术当日生命体征、住院期间所用药物及部分临床检验结果。* 住院期间手术过程中的血液、尿液和组织样本。
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。
