肾结石患者术后UTI耐药特征及诊断模型开发
本数据集来源于clinicaltrials.gov，聚焦肾结石患者术后尿路感染（UTI）的病原菌分布、抗菌药物耐药特征及生物标志物诊断价值
基本信息
资源简介
肾结石患者术后UTI耐药特征及诊断模型开发
本数据集来源于clinicaltrials.gov，聚焦肾结石患者术后尿路感染（UTI）的病原菌分布、抗菌药物耐药特征及生物标志物诊断价值。研究纳入2021年2月至2024年12月期间接受治疗的130例肾结石患者，按术后是否发生UTI分为UTI组（n=41）和非UTI组（n=89），检测WBC、NLR、NEU、hs-CRP、HBP、NGAL、ADPN等实验室指标，并对UTI组中段清洁尿样本进行病原菌鉴定和药敏试验，同时采用Pearson相关分析和ROC曲线评估生物标志物。该数据可用于术后UTI风险预测、诊断模型构建及耐药性分析（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：复杂性尿路感染、肾结石、抗菌药物耐药。本研究调查了肾结石术后尿路感染（UTI）的病原菌分布、抗菌药物耐药性以及生物标志物（hs-CRP、HBP、NGAL、ADPN）的诊断效用。本研究共纳入130例肾结石患者，治疗时间为2021年2月至2024年12月。根据术后UTI的发生情况，将其分为UTI组（n=41）和非UTI组（n=89）。测量了实验室参数，包括WBC、NLR、NEU、hs-CRP、HBP、NGAL和ADPN水平。收集UTI组患者的中段清洁尿样本进行病原菌鉴定和抗菌药物敏感性试验。进行Pearson相关分析以评估这些生物标志物之间的关系，ROC曲线分析
【主题与分类】
主题标签：Urinary Tract Infection Complicated、Kidney Stones、Antimicrobial Resistance。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/NCT06946667
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/NCT06946667
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：复杂性尿路感染、肾结石、抗菌药物耐药性。本研究探讨了肾结石术后尿路感染（UTI）的病原菌分布、抗菌药物耐药性以及生物标志物（hs-CRP、HBP、NGAL、ADPN）的诊断价值。本研究共纳入2021年2月至2024年12月期间接受治疗的130例肾结石患者。根据术后UTI的发生情况，将其分为UTI组（n=41）和非UTI组（n=89）。检测了实验室参数，包括WBC、NLR、NEU、hs-CRP、HBP、NGAL和ADPN水平。收集UTI组患者的中段清洁尿样本，用于病原菌鉴定和抗菌药物敏感性试验。采用Pearson相关分析评估这些生物标志物之间的关系，进行ROC曲线分析以评估诊断效能，并使用logistic回归分析确定术后感染的独立危险因素。
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。
