多种细菌分离株、风险因素和抗生素耐药性概况

关于数据集

📖概述

该数据集提供了针对多种抗生素进行测试的细菌分离株的综合集合。每行代表从患者样本中分离出的一种特定细菌菌株，以及相关的人口统计学信息、临床风险因素和抗生素敏感性测试结果。

该数据集的结构允许研究人员研究：

• 跨细菌物种的多重耐药性（MDR）模式
• 患者危险因素（如糖尿病、高血压、住院史）与抵抗力的关系
• 抗生素家族耐药性的流行病学趋势
• 数据质量挑战的影响，例如缺失值、不一致的标签和自由文本输入

该数据集非常适合抗生素耐药性监测、探索性数据分析 (EDA)、预测模型和数据驱动微生物学教学。

🔬抗生素家族和分子

该数据集涵盖 4 个主要抗生素家族，共 15 种以上，代表了临床实践中常用的处方药。结果主要编码如下：

• R → 抵抗
• S → 易受
  偶尔的替代编码影响，例如 i、中间、r、s、NA、缺失。

β-内酰胺类（Beta-内酰胺类）

通过抑制青霉素结合蛋白（PBP）来靶向细菌细胞壁合成。

• AMX/AMP → 阿莫西林/氨苄西林（氨基青霉素）
• AMC → 阿莫西林 + 克拉维酸（β-内酰胺/β-内酰胺酶抑制剂）
• CZ→头孢唑林（第一代头孢菌素）
• FOX → 头孢西丁（第二代头霉素）
• CTX/CRO → 头孢噻肟/头孢曲松（第三代头孢菌素）
• IPM → 亚胺培南（卡巴培南类，被认为是最后的治疗手段）

氨基糖苷类（氨基苷类）

与 30S 核糖体亚基结合，抑制蛋白质合成。

• GEN → 庆大霉素
• AN → 阿米卡星（广谱，通常对庆大霉素耐药菌株有效）

喹诺酮类/氟喹诺酮类

抑制细菌DNA旋转酶和拓扑异构酶IV，干扰DNA复制。

• Acide nalidixique → Nalidixic Acid (第一代喹诺酮类药物，革兰氏阴性菌覆盖)
• OFX → 氧氟沙星（氟喹诺酮类，广谱）
• CIP → 环丙沙星（氟喹诺酮类药物，广泛用于治疗泌尿道感染）

其他重要代理

包括用于治疗革兰氏阳性菌、革兰氏阴性菌或多重耐药感染的各类药物。

• C → 氯霉素（广谱，由于毒性很少使用，但仍经过测试）
• 复方新诺明 → 甲氧苄啶 + 磺胺甲恶唑（叶酸通路抑制剂）的组合
• 呋喃类→呋喃妥因（常用于治疗泌尿道感染）
• 粘菌素 → 粘菌素（多粘菌素类，针对耐卡巴培南菌的最后一线治疗药物）

🧾数据集结构

身份识别与人口统计

• ID → 唯一菌株标识符（例如，S290）
• Souche → 细菌种类名称（例如，大肠杆菌、肺炎克雷伯菌、铜绿假单胞菌）
• 年龄 → 患者年龄（数字）
• 性别 → 编码为 M / F

风险因素

• 糖尿病 → {是，否，Y，N，真，1，？}
• 高血压 → {是，否，缺失，？}
• Hospital_before → {是，否}（过去 6 个月内曾住院）
• Infection_Freq → 复发感染的频率
  • 永不→不再复发
  • 很少 → 每年少于 2 次
  • 定期 → 每年少于 6 次
  • 经常 → 每年≥6次

抗生素敏感性试验（AST）结果

每列对应一种抗生素（例如 GEN、CIP、IPM）

结果：{R、S、i、中间、NA、缺失}

元数据

Collection_Date → 样本采集日期（多种格式：ISO、DD/MM/YYYY、文本月份格式）
Notes → 自由文本注释（多语言，包括英语、法语、西班牙语、阿拉伯语）

📊 数据集维度

行数：~10,000 个分离株

列：~25 个特征（包括人口统计、风险因素和 AST 结果）

覆盖范围：多种细菌种类、多种抗生素、异质患者

🧪 分析机会

研究人员和数据科学家可以探索：

• 抗生素家族内部和跨家族的耐药性流行情况
• 多重耐药概况（对≥3个家族有耐药性的菌株）
• 风险因素与耐药性之间的关联（例如，糖尿病与氨基糖苷类耐药性）
• 流行病学趋势（按年龄、性别、住院史分布）
• 跨物种和科的抗性聚集
• 数据质量问题（处理嘈杂的分类标签、缺失值和非结构化注释）

🎯 预期用例

• 抗菌素耐药性监测→识别物种抗生素模式和耐多药菌株
• 预测模型→构建抗性预测分类器（二元/多标签分类）
• 数据清理挑战→处理分类不一致、缺失数据和损坏值
• 教学与培训 → 用作微生物学、数据科学和机器学习课程的案例研究
• 基准测试→比较机器学习算法的分类、聚类或降维

✨ 重点

• ✅ 涵盖 4 大家族 15 种以上抗生素
• ✅ 纳入临床风险因素，研究与耐药性的关联
• ✅ 人口统计元数据（年龄、性别、住院情况）
• ✅ 混乱的数据元素（拼写错误、缺失值、不一致的编码、多语言注释）
• ✅ 适用于高级探索性、统计和机器学习分析

💡 该数据集可以详细研究抗菌素耐药模式，支持多药耐药性建模，并为临床数据分析和决策支持研究提供现实基础。