基于数据挖掘的ICU压力性损伤风险预测

数据集获取

源站：https://clinicaltrials.gov/study/NCT07306143

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

研究条件：压力性损伤。本观察性研究采用回顾性队列设计，分析2020年10月10日至2025年10月10日期间住院的成人重症监护病房（ICU）患者的临床、人口学、实验室及护理记录资料。研究目的是识别与压力性损伤发生相关的因素，并比较多种数据挖掘与机器学习算法的预测性能，包括逻辑回归、决策树、随机森林、支持向量机和梯度提升模型。数据收集将涉及查阅存档的ICU记录、患者档案和护理观察表。不会直接从患者处收集新数据，也不会实施任何医疗干预或前瞻性随访。所有提取的数据在分析前将完全匿名化。本研究将遵循伦理原则开展，并已获得博卢阿班特伊泽特贝萨尔大学非干预性临床研究伦理委员会的批准。

本研究的预期结果是确定最准确的压力性损伤风险预测模型，并通过为ICU的早期预防策略做出贡献来支持临床决策过程。

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。