国家疫苗不良事件报告调查与病因学
该数据集来自clinicaltrials.gov,聚焦疫苗接种后不良事件,涵盖COVID-19、疫苗反应、血栓、血小板减少、神经炎等状况

基本信息
资源简介
国家疫苗不良事件报告调查与病因学
该数据集来自clinicaltrials.gov,聚焦疫苗接种后不良事件,涵盖COVID-19、疫苗反应、血栓、血小板减少、神经炎等状况。源站描述指出疫苗通常接种于健康人群,且常被规定或推荐用于儿童、老年人等脆弱群体,因此FDA对疫苗安全性要求更高;美国接种剂量巨大,需收集疫苗相关严重不良事件的高质量信息,相关事件通常报告至CDC疫苗不良事件报告系统。数据可用于疫苗安全性监测与不良事件分类研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):状况:COVID-19、疫苗不良反应、疫苗反应、疫苗或生物物质(未特指)在治疗用途中引起不良效应、冠状病毒感染、血栓、血小板减少、神经炎。疫苗接种通常给予健康人群,并且常被州或联邦当局规定为上学或服兵役的条件,以预防传染病的传播。由于疫苗被规定或推荐用于脆弱群体(如儿童或老年人),FDA对疫苗的安全性标准通常高于其他医疗产品。由于美国接种的疫苗剂量巨大,需要收集关于导致严重伤害的严重疫苗相关不良事件的高质量信息。疫苗引起的不良事件通常报告在CDC疫苗
【主题与分类】
主题标签:COVID-19、Vaccine Adverse Reaction、Vaccine Reaction、Corona Virus Infection、Blood Clot、Thrombocytopenia、Neuritis、Vasculitis、Influenza、Guillain-Barré。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05095844
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/NCT05095844
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:COVID-19、疫苗不良反应、疫苗反应、疫苗或生物物质(治疗用途中引起不良反应的未指明物质)、冠状病毒感染、血栓、血小板减少症、神经炎。疫苗接种通常针对健康人群,且常由州或联邦当局强制要求,作为上学或服兵役的条件,以防止传染病的传播。由于疫苗是强制要求或推荐给儿童或老年人等脆弱群体的,因此FDA对疫苗的安全性标准往往高于其他医疗产品。由于美国接种的疫苗剂量巨大,需要收集关于导致严重伤害的严重疫苗相关不良事件的高质量信息。疫苗引发的不良事件通常报告在CDC疫苗不良事件报告系统(VAERS)数据库中,该数据库包含接种美国许可疫苗后不良事件(疾病、健康问题和/或症状)的未经核实报告信息。
报告接受任何人提交,并可通过www.vaers.hhs.gov电子提交。本观察性研究的主要目标是建立一个独立的国家数据库,对疫苗接种者中与疫苗相关的严重不良事件/伤害数据进行分类。计划收集新近接种疫苗且出现严重不良反应个体的调查数据和健康信息,以帮助理解严重不良事件/伤害可能的因果关系及合理的生物学机制。该项目旨在通过研究宿主遗传学来识别疫苗诱导不良反应的遗传决定因素。我们计划使用Nebula Genomics平台进行全基因组测序,以识别与疫苗接种引起的心血管、神经、胃肠、肌肉骨骼和免疫症状相关的单核苷酸多态性。次要目标是收集近期接种疫苗个体的病史和调查数据,以开发疫苗伤害风险评估工具
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




